推薦系統實戰筆記 1.1什麼是推薦系統

1.好的推薦系統
    1.1什麼是推薦系統
        買花生米的案例，有明確需求
            24小時便利店，範圍小，憑藉經驗就能夠瀏覽
            沃爾瑪，借用分類信息找到本身須要的東西
            淘寶，只能經過搜索引擎
        沒有明確需求，信息過載的概念
            信息消費者，從大量信息找到本身感興趣的信息是一件很是困難的事情
            信息生產者，讓本身生產的信息脫穎而出，受到你們的關注，也是一件很是困難的事
            推薦系統就是解決解決這一矛盾的重要工具。
            推薦系統的任務就是聯繫用戶和信息，一方面幫助用戶發現對本身有價值的信息，另外一方面讓信息可以展示在對它感興趣的用戶面前
            從而實現信息消費者和信息生產者的共贏
        搜索引擎和推薦系統的區別
            搜索引擎須要用戶提供準確的關鍵詞來尋找信息，所以不能解決用戶的其餘需求。
            推薦系統不須要用戶提供明確的需求，而是經過分析用戶的歷史行爲給用戶的興趣建模，從而主動給用戶推薦可以知足他們興趣和需求的信息
            他們是相互互補的工具。搜索引擎知足用戶有明確目的主動查找需求，而推薦系統可以在用戶沒有明確用戶需求的時候幫助他們發現感興趣的新內容。
        Long tail
            傳統的80/20原則在互聯網時代會受到挑戰，主流商品每每表明了絕大多數用戶的需求，而長尾商品每每表明了一小部分用戶的個性化需求
            所以，若是要經過發掘長尾提升銷售額，就必須充分研究用戶的興趣，而這正是個性化推薦系統主要解決的問題。
            推薦系統經過挖掘用戶的行爲，找到用戶的個性化需求，從而將長尾商品準確地推薦給須要它的用戶，幫助用戶發現那些他們感興趣但很難發現的商品
        看電影的例子
            1.向朋友諮詢，社會化推薦:social recommendation,讓好友給本身推薦物品。
            2.基於內容的推薦：content-based filtering 經過分析用戶曾經看過的電影找到用戶喜歡的演員和導演，而後給用戶推薦這些演員或者導演的其餘電影
            3.基於協同過濾的推薦：collaborative filtering 若是能找到和本身歷史興趣類似的一些用戶，看看他們最近在看什麼電影，那麼結果可能比寬泛的熱點歷史排行榜更能符合本身的興趣
        總結
            推薦算法本質是經過必定的方式將用戶和物品聯繫起來，而不一樣的推薦系統利用了不一樣的方式：利用好友，利用你的歷史記錄，利用你的註冊信息等
            咱們發現推薦系統就是自動聯繫用戶和物品的一種工具，它可以在信息過載的環境中幫助用戶發現令他們感興趣的信息，也能將信息推送給它們感興趣的用戶。