關於推薦系統的幾點思考

智能推薦系統，已經發展到比較成熟的階段，在電商領域和新聞領域獲得了普遍的應用，鑑於最近項目組須要進行工業網站智能推薦系統的開發，進行相關資料學習，並整理材料，具體以下．

智能推薦的本質：基礎數據＋計算過程＋算法模型，

智能推薦的效果：千人千面，個性化推薦

須要解決的問題：海量數據的冗餘，冷啓動問題（用戶，商品數據爲零），馬太效應（熱者愈熱），用戶興趣的升級

推薦考量指標：用戶行爲信息　用戶信息的時間範圍　

主要推薦算法：

　　　　推薦算法概述-基於內容屬性類似的推薦：（問題：１內容自己是非優質信息，２問題已經解決，信息冗餘）

　　　　基於用戶畫像的推薦（標籤採集）：（問題：１並不是全部的用戶行爲都是用戶的偏好，２偏好隨着時間發生轉移，３壓根沒有用戶信息）

　　　　基於協同行爲推薦（物品和用戶）：（基於相關程度進行向量軌跡的推薦）

　　　　其餘方法：根據場景考慮，能夠綜合多種算法模型