概述

在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要.

什么是推荐系统

假设以下, 如果你想买牛肉干, 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, 转一圈找到牛肉干, 然后比较几个牌子的口碑或者自己喜欢的牌子, 掏钱付款. 如果附近有沃尔玛, 你可以走进店里, 按照分类指示牌走到食品所在的区域, 然后在货架上仔细寻找你需要的牛肉干, 找到后付款. 如果你很懒, 不想出门, 可以打开淘宝, 在搜索框汇总输入 “牛肉干” 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, 面对信息过载所采用的措施. 在 24 小时便利, 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商品. 但在沃尔玛, 商品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. 而在淘宝中, 由于商品数目巨大, 用户只能通过搜索引擎找到自己需要的商品.

但是, 如果用户没有明确的需求呢? 比如你今天跟无聊, 想找一部电影看. 但是你打开某个下载的网站, 面对苍老师数不甚数的作品, 你会手足无措, 不知道看哪一部. 此时你就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时代走到了信息过载的时代. 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.

注: 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.

工作原理

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, 取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

个性化推荐系统的应用

和搜索引擎不同, 个性化推荐系统需要一览用户的行位数据. 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, 电影和视频, 音乐, 社交网络, 越大, 基于位置的服务, 个性化右键和广告等.

比如: Netfix 原先是一家 DVD 租聘网站, 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% 的用户是通过推荐系统找到自己感兴趣的电影和视频的.

文章来源: iamarookie.blog.csdn.net，作者：我是小白呀，版权归原作者所有，如需转载，请联系作者。

原文链接：iamarookie.blog.csdn.net/article/details/111351616