目錄
第1章 好的推薦系統
1.1 什麼是推薦系統
1.2 個性化推薦系統的應用
1.2.1 電子商務
1.2.3 個性化**網路電台
1.2.4 社交網路
1.2.5 個性化閱讀
1.2.6 基於位置的服務
1.2.7 個性化郵件
1.2.8 個性化廣告
1.3 推薦系統評測
1.3.1 推薦系統實驗方法
1.3.2 評測指標
1.3.3 評測維度
場景：小便利店，通過經驗瀏覽貨架，找到想買的東西
大型超市，通過分類資訊，找到想買的東西
**噹噹，通過搜尋引擎，找到想買的東西
為解決資訊過載，出現了各種解決方案：
（1）分類目錄：比如雅虎。方便使用者找到主要分類，但有限。
（2）搜尋引擎：比如谷歌。前提：必須要使用者明確需求。
（1）個性化商品推薦列表
基於物品的推薦演算法：推薦和之前喜歡的物品相似的物品
基於facebook上好友喜歡的物品推薦
購買過這個商品的使用者經常購買的其他商品
瀏覽過這個商品的使用者經常購買的其他商品
netflix，基於物品的推薦演算法
last.fm：沒有標註，利用使用者行為計算歌曲的相似度。基於協同過濾。
google reader：關注感興趣的人，看使用者分享
將郵件按照歷史行為和習慣對郵件重排序，優先處理重要郵件。
上下文廣告、搜尋廣告、個性化展示廣告
好的推薦系統不僅僅是準確**使用者的行為，比如，明天太陽從東方公升起，這種**準確是毫無意義的。更應該去擴充套件使用者視野，挖掘使用者的潛在興趣。
（1）使用者滿意度
（2）**準確度
評分**：rmse均方根誤差、mae平均絕對誤差
topn推薦：召回率和準確率
（3）覆蓋率：解決長尾效應
（4）多樣性：解決長尾效應
（5）新穎性：推薦使用者以前不知道的
（6）驚喜度：使用者不知道，並且很滿意
（8）實時性
（9）健壯性：能夠接受蓄意攻擊
比如：購買商品a的使用者也經常購買的其他商品。那麼，註冊多個使用者，同時購買商品a和自己的商品。
如果演算法在如此攻擊前後，推薦基本保持不變，說明健壯性很好。
（10）商業目標
評測是有一些維度的，不同維度下，同樣的演算法可能有不同的效果。
使用者維度：人口統計學資訊、活躍度、是否新使用者
物品維度：物品屬性、流行度、平均分、是否新物品
時間維度：季節、工作日節假日、白天晚上
項亮 推薦系統實踐
專題直播 2012年8月21日至8月22日，中國移動在北京國際會議中心舉辦 第六屆移動網際網路國際研討會 聚焦於雲 管 端 臺 更廣泛 更深入地探索構建合作共贏的產業新生態，打造移動互聯新生活。以下為hulu軟體研究人員項亮發表演講。以下為演講速記 謝謝大家來聽我們的報告。之前的嘉賓都講了很多介面怎...
推薦系統實踐 好的推薦系統
一 好的推薦系統 1.什麼是推薦系統 從某種意義上說，推薦系統和搜尋引擎對於用語來說是兩個互補的工具。搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統能夠在使用者沒有明確目的的時候幫助他們發現感興趣的內容。分為社會化推薦，基於內容的推薦和基於協同過濾的推薦。目前廣告投放的技術主要分三種 上...
推薦系統1 好的推薦系統的效能
儘管不同的 使用不同的推薦系統技術，但總地來說，幾乎所有的推薦系統應用都是由前台的展示頁面 後台的日誌系統以及推薦演算法系統3部分構成的。下面介紹各種推薦系統的評測指標。這些評測指標可用於評價推薦系統各方面的效能。使用者滿意度 準確度 準確度度量乙個推薦系統或者推薦演算法 使用者行為的能力。由於離線...