本文從推薦系統入門的角度來探討一些關於推薦系統咱們應該關心的內容，或許能夠爲你的學習帶來一些啓發。
html
文章先介紹網站或商家但願經過應用推薦系統達成什麼目標，再介紹衡量一個優秀的推薦系統從哪些方面，經過結合這兩方面給尋找研究方向的同窗一些啓發（PS，由於前段時間學弟爲了本身的科研方向一直很糾結，導師特地讓我準備了一些分享。）也但願給想要從推薦系統入門的同窗一些幫助。ios
推薦系統的目標web
推薦系統咱們都已經很是熟悉，現有的生活中推薦系統無處不在，無需咱們去清晰的定義推薦系統作了什麼工做。可是值得思考的一個點是，推薦系統的目的是什麼，爲何推薦系統會如此受歡迎？
算法
最近在閱讀機械工業出版社翻譯的第二版《推薦系統》時，受到了一些啓發，推薦系統的目的應該包含這幾點：
微信
增長物品銷量。這個是顯而易見的，咱們身邊全部的電商網站，基本上都應用了推薦系統來達到提升銷量的目的。只要對比於沒有采用推薦系統的狀況下，使用推薦系統銷量有提升，就認爲是提升了這項指標。機器學習
銷售更多種類的物品。如何理解提升銷售種類的這個概念呢，咱們身邊常常會有這樣一種狀況，咱們最近有了購買手機的這個需求，瀏覽了一些手機，推薦內容被手機充滿，瀏覽購物平臺全是手機。這就至關於咱們接觸更多種類商品的這個需求沒有被知足。因此對推薦系統而言，須要讓用戶有機會接觸到更多種類的物品，能夠知足用戶多元化的需求，這也應該是推薦系統的一個目標。性能
增長用戶滿意度。應用一個優秀的推薦系統，通常能夠給網站或APP帶來良好的用戶反饋，讓用戶願意在網站或APP上停留。例如好幾年前，頭條剛剛出來的時候，我一個朋友給我安利，說頭條賊有意思，本身能夠刷一天
。頭條當初本質上仍是一個新聞平臺，可是經過應用推薦系統提升了用戶的滿意度。學習增長用戶忠誠度。依靠用戶和網站之間的交互，網站能夠對用戶的畫像愈來愈精確，用戶也能夠獲取到愈來愈滿意的內容，這樣就能夠經過提升用戶忠誠度來使得用戶成爲長期用戶。網站
更好地理解用戶需求。這條更想表達的意思是，經過理解用戶需求，分析用戶需求，並將收集到的知識從新用於其餘用途。例如經過對用戶需求的分析，服務提供商能夠經過預測來控制庫存或調整生產方案。ui
圖片來自 www.duitang.com
關注的性能指標
下面介紹一下咱們關注的指標，在項亮的《推薦系統實踐》一書中，第1章就列出了一個好的推薦系統應該關注於哪些指標。咱們簡單的聊一下這些指標：
準確率。準確率是指對用戶推薦的物品中，被用戶選擇的機率。任何一篇作推薦系統的paper，咱們基本上都會在最後的實驗部分看到對準確率的驗證。這也是衡量一個推薦系統的性能，推薦出來的商品用戶是否滿意的重要指標。
覆蓋率。覆蓋率代表了在全部待推薦物品中，有多少物品被推薦過，換言之，就是有多少物品佔用過推薦資源。
新穎性。也就是推薦給用戶的物品中有多少是他們之前沒有接觸過的。
驚喜度。精細度與新穎性不一樣的地方在於，不必定是用戶沒有接觸過的，多是一個老電影，可是對用戶而言，這部電影投其所好，那麼就認爲是讓用戶感覺到驚喜的。
信任度。信任度的衡量很難直接計算，可是依然能夠採用簡單的問卷調查之類進行。另一方面，信任度能夠用用戶對網站的忠誠度來間接判斷。提升信任度最主要的方法就是增長推薦系統的透明度，也就是給用戶的推薦提供解釋，讓用戶明白爲何給他推薦了這物品。
★° ．★° ．★° ．★° ．分割線 ．★° ．★° ．★° ．★°
總結
在這裏分析這些指標，一方面是讓你們明白咱們在作推薦系統相關的研究時，須要關注哪些指標。若是你們在學生期間找方向，在不一樣指標上的研究，也徹底能夠做爲你們的一個研究點。我我的在碩士期間，曾經很長時間一直在研究，如何在不下降準確率的狀況下提升覆蓋率，這也是在推薦系統的知名會議 RecSys 上特有的一個專題。（這裏簡單介紹一下 RecSys，是推薦系統領域很是著名的一個會議，可是沒有被 CCF 收錄，因此國內投稿的人不是不少，可是專門作推薦系統的人都會關注，在公衆號後期我也會去作一些 RecSys 上的 paper 分享以及復現。）回到正題，提到這些指標的另一方面，咱們能夠看到這些指標和咱們前文提到的推薦系統的一些目的，實際上是有直接或間接的聯繫的，這些指標的提出，在不一樣程度上是爲了來衡量這些推薦系統的目標任務的完成度。因此咱們能夠很明顯的看到，不少指標之間有一個 trade-off 的關係，如何權衡之間的衝突，如何在算法方向的設計，來使得某些指標同步提升，都是研究熱點。
最後關於推薦系統，我我的以爲，不只僅在推薦領域，全部的應用到機器學習算法的方向，很大程度上系統的表現不只僅侷限於算法的設計。在個人實習過程當中，發現不少系統性能上的提升來自於從業務角度的考慮所作的一些調優。這些咱們在後面的文章中繼續分享。
★° ．★° ．★° ．★° ．分割線 ．★° ．★° ．★° ．★°
最後的最後，簡單的說一下建立這個公衆號的想法。這個公衆號是但願本身從頭複習本身在推薦系統上的理解，並記錄下來，將來能夠做爲回顧。但願一樣對推薦系統感興趣的朋友們能夠關注，前輩們有什麼建議也能夠留言。
公衆號的定位是機器學習算法，主要應用方向爲推薦系統，會盡力保持原創，因此更新頻率不會太快暫時計劃是周更。若是對文章滿意請長按下面的二維碼 ↓↓↓ 點個關注吧
本文分享自微信公衆號 - 機器學習與推薦系統（ml-recsys）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。