什麼是推薦算法？
在介紹推薦算法之前需要先介紹一下什麼是信息過載。
信息過載就是信息的數量遠超於人手工可以遍歷的數量。比如，當你沒有目的性的去逛超市，你不可能把所有的商品都看一遍都有什麼。同樣，無論是去書店看書，還是在電影網站上搜索電影，這些物品的量級對於沒有目的性、需求性的用戶而言都是信息過載。
那麼什麼是推薦系統呢？
就是當用戶的目的不明確、且該服務對於用戶而言構成了信息過載；但該系統基於一定的策略規則，將物品進行了排序，並將前面的物品展示給了用戶，這樣的系統就可以稱之爲推薦系統。
舉例說明，在網站購物過程中，無論是天貓或者京東這樣的平臺，如果我們有明確的需求去搜索框裏檢索。如希望買啤酒，那麼檢索結果就是很多種類的啤酒；如果沒有明確的需求，就會有猜你喜歡等等模塊，這些模塊就是推薦系統基於一定的規則策略計算出來的，這些規則策略就是個性化推薦算法。
個性化推薦算法在推薦系統中的應用？
推薦系統如今在工業界中落地較爲成功的有三類產品，分別是電商、地圖、基於LBS的推薦。電商中，用戶需要面對數以十萬計的新聞與短視頻，地圖中用戶需要面對數以百萬計的餐館等等；但是用戶首先看到的都不會是全部的內容，只會是幾個或者幾十個新聞、短視頻、餐館等等，決定從物品海洋裏選擇哪些展現給用戶的就是個性化推薦算法。
如果推薦的精確，也就是說該推薦系統推薦的恰好是用戶想要的、或者是促進了用戶的需求，那麼就會推動用戶在該電商上進行消費、停留、閱讀等等。所以，在推薦系統中最爲重要的就是個性化推薦算法。
如何衡量個性化推薦算法在產品中的應用？
分爲線上和線下兩個部分。其中線下部分主要依託於模型本身的評估指標，比如個性化召回算法中模型的準確率等等；在線上，基於業務本身的核心指標，比如基於信息流產品中的平均閱讀時長等等。