推荐系统实践阅读笔记

推荐系统阅读笔记

需要推荐系统的原因: 信息过载,在面对大量的选择且没有明确的需求时,如何做出选择

目前应对信息过载的代表性解决方案是分类目录和搜索引擎,和搜索引擎一样推荐系统帮助用户快速发现有用的信息,但是推荐系统不要求用户提供明确的需求,推荐系统和搜索系统对于用户来说是两个互补的工具

推荐系统的任务就是联系用户和信息,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。

《长尾理论》说明了在互联网的加入下传统的28原则将被打破,个性化定制的产品总销量将不容小觑

几种经典推荐系统,以电影的推荐为例

  1. 社会化推荐(social recommendation): 向朋友咨询
  2. 基于内容的推荐(content-based filtering): 通过喜欢的导演和演员搜索
  3. 协同过滤(collaborative filtering): 看排行榜,看看别人看什么电影,找广受好评的电影,找到和自己历史兴趣相似的一群用户,看看他们在看什么电影

推荐系统评测

预测准确率是推荐系统领域的重要指标,推荐系统早期将准确的预测作为好的推荐系统的标准,然而推荐用户必然的选择意义并不大因为他并未导致用户更多的消费。即没有实际挖掘出用户的潜在需求。
所以好的推荐系统,不仅能够预测用户行为,还应该可以进一步开拓用户的视野,挖掘潜在需求
好的推荐系统应该结合 用户 内容提供商 网站 三方的利益

推荐系统试验方法