1、推薦系統概述和經常使用評價指標html
1.1 推薦系統的特色前端
在知乎搜了一下推薦系統,果然結果比較少,顯得小衆一些,而後你們對推薦系統廣泛的觀點是:算法
(1)重要性UI>數據>算法,就是推薦系統中一味追求先進的算法算是個誤區,一般論文研究類的推薦方法有的帶有不少的假設限制,有的考慮工程實現問題較少,推薦系統須要大量的數據整理和轉化,同時更須要考慮公司業務特性以及與現有系統的集成,方能造成推薦系統和業務之間的良性循環;學習
(2)推薦系統離線測試很好,上線後要麼沒有嚴格的測試結果而只能憑感受,要麼實際效果差強人意,我想主要緣於離線測試比較理想,而在線AB冠軍測試不管對於前端仍是後臺要求都很高,沒有雄厚的研發實力難以實現;測試
(3)推薦系統受到的外部干擾因素特別多(季節、流行因素等),整個系統須要不斷的迭代更新,沒有一勞永逸的事情。spa
如何學習推薦系統?htm
推薦系統經常使用的推薦算法blog