推荐系统：概述【架构：用户/物品特征工程----＞召回层----＞排序层----＞测试/评估】【冷启动问题、实时性问题】

一、什么是推荐系统

推荐系统是信息过载所采用的措施，面对海量的数据信息，从中快速推荐出符合用户特点的物品。特别对于一些有“选择恐惧症”、没有明确需求的人。

信息消费者：如何从大量信息中找到自己感兴趣的信息是一件很困难的事。

信息生产者：如何让自己生产的信息脱颖而出，收到大众的喜爱，也是一件很困难的事情。

1、推荐系统的目的

• 互联网时代，信息量庞大，对于信息处理能力有限的个体来讲，导致信息过载，个体很难从海量的信息中搜寻到有价值的信息。
• 推荐系统是信息过载所采用的措施，面对海量的数据信息，从中快速推荐出符合用户特点的物品，降低用户的搜寻成本。
• 解决一些人的“选择恐惧症”，以及没有明确需求的人。
• 好的推荐系统能够让用户更快更好的获取自己需要的物品或内容。
• 让网站（平台）更有效的保留用户资源。

2、推荐系统的基本思想

• 知你所想，精准推送。利用用户和物品的特征信息，给用户推荐那些具有用户喜欢的特征物品。
• 物以类聚。利用用户喜欢过的物品，给用户推荐与他喜欢过的物品相似的物品。
• 人以群分。利用和用户相似的其他用户，给用户推荐那些和他们兴趣爱好相似的其他用户喜欢的物品。
  

3、推荐系统的数据分析

• 要推荐物品或内容的元数据，例如关键字、分类标签、特征描述等
• 系统用户的基本信息，例如性别、年龄、兴趣标签等。
• 用户的行为数据，可以转化为对物品或信息的偏好，根据应用本身的不同，可能包括用户对物品的评分，用户查看物品的记录，用户的购买记录等。这些用户的偏好信息可以分为两类：
  • 显示的用户反馈：这类是用户在网站上自然浏览或者使用网站以外，显式的提供反馈信息，例如用户对物品的评分，或者对物品的评论。
  • 隐式的用户反馈：这类是用户在使用网站时产生的数据，隐式的反映了用户对物品的喜好，例如用户购买了某物品，用户查看某内容的时长等等。

---

---

---

参考资料：
推荐系统（1）：推荐系统概述
推荐系统概述