本篇文章来自于:
- https://www.jiqizhixin.com/articles/2019-02-20-15
- https://www.jiqizhixin.com/articles/2019-02-11-6
基本上是摘抄自上面这篇文章, 主要弄明白以下两个问题
推荐系统是什么, 用来干嘛 (猜测用户想要的)
推荐系统的发展历史 (人工, 聚合统计, 千人千面)
推荐系统的数学模型 (用户 - 物品矩阵)
常用的推荐方法 (基于内容, 协同过滤, 矩阵分解, 因子分解机, 深度学习, 机器学习排序, 探索与利用, 集成学习)
推荐系统是什么
信息处理的系统, 用于预测用户对物品的偏好
推荐系统可以应用于多个领域 (目前推荐功能基本算是一个 App 的基础必备了)
推荐个性化的新闻, 视频, 音乐, 图书, 游戏, 视频, 衣物以及其它各种商品 (热门, 相关, 个性化等)
社交: 朋友推荐, 可能认识的人
应用市场: 推荐相应的 App
在个性化推荐这块, 绝对绕不过今日这条, 这家以推荐为技术核心的公司, 其旗下的今日头条新闻, 抖音, 都紧紧地抓住了用户的兴趣点, 让人欲罢不能, 以前是以百度为代表, 用户主动去查找信息
推荐系统对于用户而言是由核心价值的, 它可以
帮用户便捷的筛选出感兴趣的内容
在用户面对陌生领域时提供参考意见
当用户需求不明确时, 作用户的 "贴心助手"
满足用户的好奇心
推荐系统的发展历史
人类手工生成的推荐系统 (最原始的推荐系统)
例如: 早期的门户网站, 里面的内容都是有网站编辑手工选择的, 比如我要推荐一篇文章, 直接由网站编辑手工选择, 显示在推荐区域
简单的聚合推荐系统
例如: KTV 里面的歌曲点播排行榜, 畅销书排行榜, 电影票房排行榜 这种都比较简单, 主要用统计, 或者分类统计的方式, 按一定顺序显示
例如: 按照物品的时间性质推荐, 例如最近上架的新品推荐
真正的个性化, 千人千面的推荐系统
前面两种推荐方式都不是针对于个人的, 每个人打开看到的都是一样的, 而真正的个性化不一样, 同一个 App, 每个人打开所看到的信息都是不一样
这方面的代表: 今日头条, 淘宝
来源: http://www.bubuko.com/infodetail-2993649.html