在研究如何涉及推荐系统之前,了解什么是好的推荐系统至关重要。
如果想买牛肉,你有多少种方法?假设附近有一个24小时便利店,你可以走进店里,看看所有的货架,转一圈找到牛肉,然后比较几个牌子的口碑或者价格找到自己喜欢的牌子,掏钱付款。如果附近有宜家沃尔玛,你可以走进店里,按照分类指示牌走到食品2所在的楼层,接着按照指示牌找到卖干果的货架,然后在货架上仔细寻找你需要的牛肉,找到后付款。如果你很懒,不想出门,可以打开当当或者淘宝,在搜索框中输入牛肉两个字,然后你就会找到喜欢的牌子,付费,然后等送货上门。上面几个例子描述了用户在有需求的情况下,面对信息过在所采用的措施。在24小时便利店,因为店面很小,用户可以凭自己的经验浏览所有货架找到自己需要的东西。在沃尔玛,商品已经被放在无数的货架上,此时用户就需要借用分类信息找到自己需要的商品。而在淘宝或者当当中,由于商品数目巨大,用户智能通过搜索殷勤找到自己需要的商品。
但是,如果用户没有明确的需求呢?比如你今天很无聊,想找一部电影看,但是你打开某个下载网站,面对100年来发行数不胜数的电影,你会手足无措,不知道看哪一部。此时遇到了信息过载的问题,需要一个人或者工具来帮助你做筛选,给出一些建议供你选择。随着信息技术和互联网的发展,人们逐渐从信息匮乏的是到走入了信息过载的时代。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战。对于信息消费者,如从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者,让自己生产的信息脱颖而出,收到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。 推荐系统的基本任务就是联系用户和物品,解决信息过载的问题
要了解推荐系统是如何工作的,可以先回顾一下现实生活中是怎么做的。仍以看电影为例,一般来说,我们可能用如下方式解决最终看什么电影
向朋友咨询
一般我们都有喜欢的演员和导演,有些人可能会打开搜索引擎,去搜索自己喜欢的演员名字。
我们还可能查看排行榜,看看别人都在看什么电影,别人都喜欢什么电影。或者是找到和自己历史兴趣相似的一群用户,看看他们最近在看什么电影。这种方式称为基于协同过滤的推荐
和搜索引擎不同,个性化推荐系统需要一览用户的行为数据,因此一般都作为一个应用存在不同网站之中。广泛利用推荐系统的领域包括电子商务、电影和食品、音乐、社交网络、阅读、基于位置的服务、个性化邮件和广告等
比如:Netflix原先是一家DVD租赁网站,后来开始涉足在线视频业务。Netflix非常注重个性化推荐。Netflix在宣传资料中宣称,有60%的用户是通过其推荐系统找到自己感情兴趣的电影和视频的。
原文地址:https://www.cnblogs.com/alexzhang92/p/10070289.html