推薦系統，幫助資訊消費者從大量資訊中找到自己感興趣的資訊，幫助訊息生產者讓資訊展現在對它感興趣的使用者面前
資訊過載的解決方案：分類目錄、搜尋引擎
分類目錄只能覆蓋少量的熱門**
推薦系統，幫助使用者快速發現有用資訊，不需要使用者提供明確的需求，通過分析使用者的歷史行為給使用者的興趣建模
搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統滿足了使用者沒有明確目的的時候發現感興趣的新內容
社會化推薦、基於內容的推薦、基於協同過濾的推薦
推薦演算法的本質是通過一定的方式將使用者和物品聯絡起來，而不同的推薦系統利用了不同的方式
推薦系統就是自動聯絡使用者和物品的工具，可以在資訊過載的環境中幫助使用者發現令他們感興趣的資訊
個性化推薦
基於物品的推薦演算法，給使用者推薦那些和他們之前喜歡的物品相似的物品
基於好友的個性化推薦，給使用者推薦他們的好友喜歡的物品
a> 包含購買這個商品的使用者也經常購買的其他商品
b> 包含瀏覽過這個商品的使用者經常購買的其他商品
廣告定向投放
個性化廣告投放和狹義個性化推薦的區別是，個性化推薦著重於幫助使用者找到可能令他們感興趣的物品，而廣告推薦著重於幫助廣告找到可能對它們感興趣的使用者，即乙個是以使用者為核心，而另乙個是以廣告為核心
目前的個性化廣告投放技術主要分為3種
廣告商選擇特定標籤下的使用者群，進行投放，如地區（山東省）、年齡（20-30歲）、性別（男性）、消費檔次（中檔、高檔）、投放型別（電子裝置-ipad）
（1）使用者：推薦給使用者那些令他們感興趣的物品
好的推薦系統不僅僅能夠準確**使用者的行為，而且能夠擴充套件使用者的視野，幫助使用者發現那些他們可能感興趣，但卻不那麼容易發現的物品，同時，推薦系統還可以幫助商家將那些埋沒的好商品介紹給可能會對它們感興趣的使用者
準確度、覆蓋度、新穎度、驚喜度、信任度、透明度
1 離線實驗
2 使用者調查
1 使用者滿意度
2 **準確度
3 覆蓋率
4 多樣性
5 新穎性
6 驚喜度
7 信任度
8 實時性
9 健壯性
10 商業目標
評測系統不僅需要考慮評測指標，還需要考慮評測維度，比如乙個推薦演算法，雖然整體效能不佳，但可能在某種情況下效能比較好，而增加評測維度的目的就是知道乙個演算法在什麼情況下效能最好
1 使用者維度：主要包括使用者的人口統計學資訊、活躍度以及是不是新使用者等
2 物品維度：包括物品的屬性資訊、流行度、平均分以及是不是新加入的物品等
3 時間維度：包括季節、是工作日還是週末，是白天還是晚上等
如果能夠在推薦系統評測報告中包含不同維度下的系統評測指標，就可以幫助我們更好的了解推薦系統效能，發現不同演算法的優缺點
書籍：推薦系統實踐 / 項亮編著
《推薦系統實踐》 第1章
在使用者沒有明確需求時，幫助他們發現感興趣的新內容。推薦演算法的本質是通過一定的方式將使用者和物品聯絡起來，而不同的推薦系統利用了不同的方式。個性化推薦系統需要依賴使用者的行為資料。準確的 並不代表好的推薦。比如說，該使用者早 就準備買 c primer中文版 了，無論是否給他推薦，他都準備購買，那...
什麼是推薦系統？ 推薦系統實踐筆記1
隨著資訊科技 information technology 和網際網路 internet 的發展，人們逐漸從資訊匱乏的時代走向資訊過載的時代。對於內容生產者來說，需要思考的問題是如何使生產的資訊受到使用者的大量關注 對於使用者來說，如何快速找到自己所需要的資訊是很重要的。因此，有效連線內容生產者和使...
推薦系統實踐筆記（一）
import pandas as pd from pandas import series,dataframe from operator import itemgetter,attrgetter import math unames user id gender age occupation zi...