hadoop＋推薦系統學習筆記

筆記比較零散，但願讀者見諒。學習書籍是 <推薦系統實踐> 有須要的讀者能夠下方留下郵箱。

推薦系統，不少領域都在作這一塊，主要是解決信息數據過載問題，一個好的推薦系統是可以達到三方雙贏的，即有利於用戶，產品提供者以及推薦系統自身。

如何去作一套推薦系統？

     推薦的依據是依賴於用戶數據，數據的來源主要是用戶的行爲日誌數據，其次是用戶問卷調查和用戶反饋信息收集，因此推薦系統須要增長合理性非侵入性的用戶交互行爲。

    推薦系統上線的三個步驟：

        1.離線試驗

             

     2.用戶調查 推薦系統是否有效，直接詢問用戶最直接，可是會問卷方式對用戶的體驗方式較差且成本較大，通常都會有獎勵用戶纔會接受相關調查。

     3.在線試驗，將算法應用於真實的在線用戶數據環境，通常作AB試驗，我理解爲是灰度升級，經過分流，將用戶分配至不一樣的程序環境，一個是舊環境，一個是更新的環境，按照分流比例進行對比，對比的指標能夠是產品的轉化率，點擊率以及用戶停留時間等。

推薦算法應該要按期經歷上述3個過程，不停的迭代更新，優化算法與推薦結果。

推薦系統的評測是很是關鍵的，主要有如下幾個指標：

    準確度，覆蓋度，新穎度，驚喜度，信任度，透明度

準確度主要仍是有