推荐系统概述

一、什么是推荐系统

　　推荐系统：通过分析用户的历史行为记录来了解用户的喜好，从而主动为用户推荐其感兴趣的信息，满足用户的个性化推荐需求
　　推荐系统是自动联系用户和物品的一种工具，和搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算。推荐系统可发现用户的兴趣点，帮助用户从海量信息中去发掘自己潜在的需求

二、长尾理论

　　“长尾”用来描述电子商务网站的商业模式和经济模式。

　　长尾理论：普通产品和冷门产品所共同占据的市场份额可以和那些少数热销产品所占据的市场份额相匹敌甚至更大

　　因此，可以通过发掘长尾商品并推荐给感兴趣的用户来提高销售额。这需要通过个性化推荐来实现

　　推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售。

　　推荐系统和长尾理论结合，可使得用户和商家共赢(用于得到感兴趣的商品，商家扩大了销售)

三、推荐方法

　　推荐系统的本质是建立用户与物品的联系，根据推荐算法的不同，推荐方法包括如下几类：
　　1、专家推荐：人工推荐，由资深的专业人士来进行物品的筛选和推荐，需要较多的人力成本
　　2、基于统计的推荐：基于统计信息的推荐（如热门推荐），易于实现，但对用户个性化偏好的描述能力较弱
　　3、基于内容的推荐：通过机器学习的方法去描述内容的特征，并基于内容的特征来发现相似的内容
　　4、协同过滤推荐：利用与目标用户相似的用户已有的商品评价信息，来预测目标用户对特定商品的喜好程度。是应用最早和最为成功的推荐方法之一。
　　5、混合推荐：结合多种推荐算法来提升推荐效果

四、推荐系统模型

　　一个完整的推荐系统通常包括3个组成模块：用户建模模块、推荐对象建模模块、推荐算法模块：
　　1、用户建模模块：对用户进行建模，根据用户行为数据和属性数据来分析用户的兴趣和需求
　　2、推荐对象(物品)建模模块：根据对象数据对推荐对象进行建模。推荐对象即被推荐的物品，包括实物和虚拟物品。
　　3、推荐算法模块：基于用户特征和物品特征，采用推荐算法计算得到用户可能感兴趣的对象，并根据推荐场景对推荐结果(物品)进行一定调整，将推荐结果最终展示给用户

五、推荐系统的应用

　　目前推荐系统已广泛应用于电子商务、在线视频、在线音乐、社交网络等各类网站和应用中。
　　如亚马逊网站利用用户的浏览历史记录来为用户推荐商品，推荐的主要是用户未浏览过，但可能感兴趣、有潜在购买可能性的商品。