對使用者來說推薦系統幫助使用者發現自己想要的商品，對於商品來說找到對其感興趣的使用者，前者例如電影，歌曲的推薦，後者例如廣告推送。
產生推薦系統主要是因為資訊過載，使用者難以從大量資訊中發現自己想要的資訊。
電子商務，例如亞馬遜，**。
商品推薦頁主要包括的內容有（1）推薦結果的標題，縮圖以及其他內容屬性，（2）推薦結果的評分（3）推薦理由。
（2）基於使用者的好友關係，例如亞馬遜拿到使用者的facebook的好友，然後向使用者推薦他的好友都買了啥
（3）基於物品的相似度，例如購買了該商品的使用者還買了哪些商品。
這種和電子商務不太一樣，這種使用者通常只是想看電影，但是並沒有很明確的需求要看那部電影甚至是哪種型別的電影。
從netflix的推薦理由來看，它們的演算法和亞馬遜的演算法類似，也是基於物品的推薦演算法，即給使用者推薦和他們曾經喜歡的電影相似的電影。
**電台：
pandora會根據專家標註的基因計算歌曲的相似度，並給使用者推薦和他之前喜歡的**在基因上相似的其他**。
last.fm於2023年在英國成立。last.fm記錄了所有使用者的聽歌記錄以及使用者對歌曲的反饋，在這一基礎上計算出不同使用者在歌曲上的喜好相似度，從而給使用者推薦和他有相似聽歌愛好的其他 使用者喜歡的歌曲。
演講人總結了**推薦的如下特點。
把**作為背景聲音，同時進行其他工作。
物品重用率很高 每首歌使用者會聽很多遍，這和其他物品不同，比如使用者不會反覆看一
個電影，不會反覆買一本書。
使用者充滿激情 使用者很有激情，乙個使用者會聽很多首歌。
上下文相關 使用者的口味很受當時上下文的影響，這裡的上下文主要包括使用者當時的心
高度社會化 使用者聽**的行為具有很強的社會化特性，比如我們會和好友分享自己喜歡的**。
社交網路：
社交網路中的個性化推薦技術主要應用在3個方面:
利用使用者的社交網路資訊對使用者進行個性化的物品推薦;
資訊流的會話推薦;
給使用者推薦好友
個性化閱讀 ：
google reader是一款流行的社會化閱讀工具。它允許使用者關注自己感興趣的人，然後看到所關注使用者分享的文章。
個性化閱讀工具zite則是收集使用者對文章的偏好資訊，給使用者推薦之前看過的，喜歡的類別的文章。
digg首先根據使用者的digg歷史計算使用者之間的興趣相似度，然後給使用者推薦和他興趣相似的使用者喜歡的文章。
基於位置的服務 ：
個性化郵件 ：
個性化廣告 ：
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， 而另乙個以廣告為核心。目前的個性化廣告投放技術主要分為3種。
上下文廣告 通過分析使用者正在瀏覽的網頁內容，投放和網頁內容相關的廣告。代表系 統是谷歌的adsense。
搜尋廣告 通過分析使用者在當前會話中的搜尋記錄，判斷使用者的搜尋目的，投放和使用者 目的相關的廣告。
推薦系統 基本概念
序 帕洛阿爾托研究中心的tapestry系統 goldberg et al.1992 引入了協同過濾的思想和概念，展示了如何將顯示標註資料和隱式行為資料注入可查詢的資料庫中，以及使用者如何利用這些資料進行個性化過濾。grouplens系統 resnick et al.1994 展示了協同過濾方法既能...
推薦系統的基本概念
雖然完整的推薦系統需要考慮 5w 問題，但向誰 who 推薦什麼 what 是問題的核心。所以，本章我們介紹乙個解決這兩個核心問題的推薦系統。使用的資料和推薦任務如下圖所示，已知使用者對部分內容的評分 偏好 推測他們對未評分內容的評分，並據此進行推薦。協同過濾推薦 collaborative fil...
Python基本概念及其環境搭建
python的發展 python的應用python的直譯器 搭建python環境 安裝成功 python的互動模式pip介紹 pip使用 檢視pip版本 pip v pip version 普通安裝 指定版本安裝 解除安裝已安裝的庫 列出已安裝包的資訊 顯示所安裝包的資訊 將已安裝的庫列表儲存到文字...