推荐系统的目的
信息过载
推荐系统
- 推荐系统是信息过载所采用的措施，面对海量的数据信息，从中快速推荐出符合用户特点的物品。解决一些人的“选择恐惧症”；面向没有明确需求的人。
- 解决如何从大量信息中找到自己感兴趣的信息。
- 解决如何让自己生产的信息脱颖而出，受到大众的喜爱。
目的：
- 让用户更快更好的获取到自己需要的内容
- 让内容更快更好的推送到喜欢它的用户手中
- 让网站（平台）更有效的保留用户资源
推荐系统的基本思想
- 利用用户和物品的特征信息，给用户推荐那些具有用户喜欢的特征的物品。
- 利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品。
- 利用和用户相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品。
知你所想，精准推送
- 利用用户和物品的特征信息，给用户推荐那些具有用户喜欢的特征的物品。
物以类聚
- 利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品。
人以群分
- 利用和用户相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品。
推荐系统的数据分析
- 要推荐物品或内容的元数据，例如关键字，分类标签，基因描述等；
- 系统用户的基本信息，例如性别，年龄，兴趣标签等
- 用户的行为数据，可以转化为对物品或者信息的偏好，根据应用本身的不同，可能包括用户对物品的评分，用户查看物品的记录，用户的购买记录等。这些用户的偏好信息可以分为两类：
①显式的用户反馈：这类是用户在网站上自然浏览或者使用网站以外，显式的提供反馈信息，例如用户对物品的评分，或者对物品的评论。
②隐式的用户反馈：这类是用户在使用网站是产生的数据，隐式的反应了用户对物品的喜好，例如用户购买了某物品，用户查看了某物品的信息等等。
推荐系统的分类
- 根据实时性分类
离线推荐
实时推荐
- 根据推荐原则分类
基于相似度的推荐
基于知识的推荐
基于模型的推荐
- 根据推荐是否个性化分类
基于统计的推荐
个性化推荐
- 根据数据源分类
基于人口统计学的推荐
基于内容的推荐
基于协同过滤的推荐
