【推荐系统】1.推荐系统基础

标签：就是   pat   选择   推荐系统   new   如何   豆瓣   发展   ldb   

1 推荐系统概念

1.1推荐系统的目的和作用

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（information overload）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：作为信息消费者，如何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；作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。

解决信息过载的问题，代表性的解决方案是分类目录和搜索引擎，类目导航是用户主动按类目逐层查找，如yahoo、google new、网易等；搜索时用户提供意图明确的请求，例如google、百度等.而推荐系统是系统主动提供给用户选择，因而在大多数情况下，用户没有明确的意图，推荐可以帮助用户发现并带来惊喜，例如今日头条、Netflix、豆瓣等。

推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。

通俗的讲：就是根据用户的历史行为、社交关系等去挖掘用户的兴趣点，根据所处上下文的环境，判断用户当前的需求或者感兴趣的item。

1.2 推荐系统的发展

推荐系统在不同领域的探索：

1992年,Goldberg提出第一个(个性化邮件)推荐系统Tapestry,第一次提出了协同过滤的
思想,利用用户的标注和行为信息对邮件进行重排序。

1994年, Resnick等人提出了针对新闻消息的协同过滤推荐系统 Grouplens。

1996年,在 Berkeley的协同过滤专题讨论会上,提出了推荐系统这一概念。

推荐系统的商业化

1995年,MIT的 Pattie maes研究小组创立了 Agents公司(后来更名为 Firefly networks)

关注技术问题:降低在线计算时间,冷启动问题,可信度、可解释性等用户体验问题。

推荐系统的学术研究

2006年, Netflix的百万美元竟赛

2007年, j. A. konstan等人组织了第一届ACM推荐系统大会( Rests)

推荐系统的未来:基于上下文的推荐(情景推荐

人们开始更多关注推荐系统是否真正满足用户的需求.

1.3 推荐系统的应用和价值

推荐系统的应用：

音乐、电影的推荐

电子商务中商品推荐

个性化阅读(新闻消息)

社交网络好友推荐、朋友圈推荐

基于位置的服务推荐

推荐系统的价值：

Netflix:2/3的电影是因为被推荐而观看

Google news:推荐提升了38%的点击

Amazon:销售中推荐占比高达35%

【推荐系统】1.推荐系统基础

标签：就是   pat   选择   推荐系统   new   如何   豆瓣   发展   ldb   

原文地址：https://www.cnblogs.com/siriJR/p/13909472.html