推荐系统学习笔记1—基础知识

2018-01-29 本文已影响30人乐见其成

大概是在2014年的时候，因为使用过一段时间的网易云音乐，我渐渐开始知道互联网里面有个性化推荐这么一个概念。再然后，随着今日头条的爆发，个性化推荐被越来越多的人与公司提及。

工作以后，我接触到了一些产品商业化方面的知识，知道了广告变现的大致流程，同时也通过自己的了解，逐渐认识到广告平台其实也是个性化推荐应用的一个重要领域。

因此，在我的好奇心，以及自己知其然就想知其所以然的心理驱使下，我去了解了一些个性化推荐相关的内容，知道了一些个性化推荐当中用到的，像是协同过滤算法、基于内容的推荐算法等的基础知识。

为了加深自己对个性化推荐的了解，我买了一本书——《推荐系统实践》（项亮著）。这本书先是介绍了什么是推荐系统以及推荐系统的评测指标及方法，然后介绍了推荐系统常用的一些算法知识等，算是比较详细的介绍了推荐系统相关的知识。

图片来自于豆瓣

我准备写几篇博客来巩固从书中了解到的知识（主要会以概念为主），这篇博客便是针对该书第一章相关知识的学习笔记。

推荐系统的主要任务是联系用户与信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息呢能够展现在对它感兴趣的用户面签，从而实现信息消费者和信息生产者的双赢，而这里的信息可以是音乐、视频、商品和文章等等内容。

推荐系统的成功应用有两个先决的条件，一是存在信息过载，二是用户没有明确的需求。

为了解决信息过载的问题，人们曾提出过比较有代表性的分类目录和搜索引擎解决方案，前者的主要代表是雅虎和Hao123，后者的主要代表是谷歌和百度。随着互联网规模的不断扩大，分类网站只能覆盖少量热门网站的形态越来越不能满足用户的需求；同时，搜索引擎在用户不能准备提供需求关键词的情况下，显得比较无能为力。

而推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为来给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。同时，推荐系统通过发掘用户的行为，找到用户的个性化需求，从而能够将长尾的商品准确地推荐给需要它的用户，帮助用户发现那些他们感兴趣但很难发现的商品。