1、什么是推荐系统

按照维基百科的定义:推荐系统是一种信息过滤系统,用于预测用户对物品的评分或偏好。这个定义不是很好理解,因为它用“怎么做”来定义“是什么”,我们可以换个角度来理解:

2、推荐系统能做什么?

它可以把那些最终会在用户和物品之间产生的连接找出来。世间的万事万物都有连接,人与人之间的社会连接促进了社交产品的诞生,人与商品之间的消费连接造就了无数的电商产品,人和资讯越来越多的阅读连接促使了各类信息流产品的出现。

3、推荐系统需要什么?

推荐系统需要已经存在的连接,去预测未来的连接。比如电商平台会根据你买过什么,浏览过什么这些人和商品之间的连接来预测你还可能会买什么,又比如你在使用今日头条时每一次点击,每一次阅读都是连接,根据已有过去的点击、浏览行为来预测你感兴趣的内容。

4、推荐系统是怎么做的呢?

维基百科的定义已经解释了:预测用户评分和偏好,他们对应了推荐系统背后相关算法和技术的两大类别,还有更抽象的分类:机器推荐和人工推荐,也是我们常说的个性化推荐和编辑推荐。

5、推荐系统解决的是什么问题?

信息过载和长尾问题(长尾理论)。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的时代。消费者想从大量信息(物品)中找到自己感兴趣的信息,信息生产者想让自己生产的信息脱颖而出从而得到关注都是一件很难的问题,推荐系统的任务就是连接用户和信息(物品)。同时推荐系统要解决的另一个问题是需要发掘用户的行为,找到用户的个性化需求,从而将长尾商品准确的推荐给需要它的用户,同时帮助用户发现那些他们感兴趣但是很难发现的商品。
在信息过载的推动下,推荐系统成为了各大互联网公司攻城略地开疆拓土的必备良器。然而构建一个成熟的推荐系统并不是一件容易的事情,因为从技术上讲,它需要将数据、架构、算法、人机交互等环节有机的结合起来,需要用到数据挖掘技术、信息检索技术、计算统计学等悠久学科的相关知识。

参考:

链接:https://www.jianshu.com/p/b9ba5c84000b