推薦系統簡介
什麼是推薦系統
由於當前社會由信息匱乏轉變爲信息過載，需要篩選工具對信息進行篩選，如個性化推薦系統，可以對那些沒有什麼明確需求的用戶進行推薦。如何從海量的數據中篩選出用戶真正感興趣的事情是一件非常具有挑戰性的事情。
推薦系統的任務就是聯繫用戶和信息，一方面幫助用戶發現對自己有價值的信息，另一方面讓信息能夠展現在對它感興趣的用戶面前，從而實現信息消費者和信息生產者的雙贏。
目前具有代表性的解決信息過載的方案就是分類目錄以及搜索引擎。
和搜索引擎不同的是，推薦系統不需要用戶提供明確的需求，而是通過分析用戶的歷史行爲給用 戶的興趣建模，從而主動給用戶推薦能夠滿足他們興趣和需求的信息。搜索引擎和推薦系統基本上算作互補的工具。搜索引擎滿足了用戶有明確目的時的主動查找需求，而推薦系統能夠在用戶沒有明確目的的時候幫助他們發現感興趣的新內容。
推薦系統通過發掘用戶的行爲，找到用戶的個性化需求，從而將長尾商品準確地推薦給需要它的用戶，幫助用戶發現那些他們感興趣但很難發現的商品。
介紹了三種推薦方式：
- 社會化推薦： 讓好友推薦物品。
- 基於內容的推薦： 尋找和自己之前看過的在內容上相似的物品或者內容。
- 協同過濾： 找到和自己歷史興趣相似的一羣用戶，看看他們最近在看什麼內容。
推薦算法的本質是通過一定的方式將用戶和物品聯繫起來，而不同的推薦系統利用了不同的方式。
推薦系統的應用
- 電子商務：推薦商品
如亞馬遜，會給出推薦商品的標題、縮略圖等，同樣也會給出推薦的平均分以及推薦的理由。同時，用戶可以修改當前的推薦結果，存在互動的特性。亞馬遜的推薦系統存在基於物品的推薦，基於好友的推薦，協同推薦（買了此商品的用戶同樣也買了的商品）。打包銷售也是推薦系統常見的應用。
- 電影和視頻網站
如Netflix、YouTube，個性化推薦系統在其中也是很重要的組成部分，Netflix在2006年起開始舉辦著名的Netflix Prize推薦系統比賽，給出了大規模用戶行爲數據集。YouTube曾經做過一個實驗，比較了個性化推薦的點擊率和熱門視頻列表的點擊率，實驗結果表明個性化推薦的點擊率是熱門視頻點擊率的兩倍。
- 個性化音樂網絡電臺
如國際上著名的有Pandora，Last.fm，國內的代表則是豆瓣電臺，蝦米音樂等等。經過用戶一定時間的反饋，電臺就可以從用戶的歷史行爲中習得用戶的興趣模型，從而使用戶的播放列表越來越符合用戶對歌曲的興趣。音樂很適合作爲推薦，因爲其具有消費代價小，數量規模大，重用率高，用戶激情大，具有序列特性，高度社會化等等特徵。
- 社交網絡
社交網絡可以使用推薦系統做以下內容：利用用戶的社交網絡信息對用戶進行個性化的物品推薦，信息流的會話推薦，給用戶推薦好友。如Facebook等等，可以提供個性化服務，熟悉會話排序等等。
- 個性化閱讀
首先，互聯網上的文章非常多，用戶面臨信息過載的問題;其次，用戶很多 時候並沒有必須看某篇具體文章的需求，他們只是想通過閱讀特定領域的文章瞭解這些領域的文章來了解這些領域的動態。國際知名的有Google Reader，國內有鮮果網等。個性化閱讀工具Zite則是收集用戶對文章的偏好信息。如在每篇文章右側，Zite都允許用戶給出喜歡或不喜歡的反饋，然後通過分析用戶的反饋數據不停地更新用戶的個性化文章列表。
- 基於位置的推薦服務
用戶的位置信息已經非常容易獲取，而位置是一種很重要的上下文信息。基於位置的服務往往和社交網絡結合在一起，給用戶推薦離他近的且他感興趣的服務。
- 個性化郵件
通過分析用戶閱讀郵件的歷史行爲和習慣對新郵件進行重新排序，從而提高用戶的工作效率。
- 個性化廣告
廣告是互聯網公司生存的根本。個性化推薦着重於幫助用戶找到可能令他們感興趣的物品，而廣告推薦着重於幫助廣告找到可能對它們感興趣的用戶，即一個是以用戶爲核心， 而另一個以廣告爲核心。廣告也分三種：上下文廣告，搜索廣告以及個性化展示廣告。
後面的內容就是推薦系統的測評了，我就單獨寫一篇文章進行介紹。