推荐系统的目的
- 让用户更快更好的获取到自己需要的内容
- 让内容更快更好的推送到喜欢它的用户手中
- 让网站（平台）更有效的保留用户资源
好的推荐系统让三方共赢
推荐系统的应用
- 个性化音乐
- 电子商务：国内：淘宝，京东，国际：亚马逊（亚马逊总销售额的百分之二十到三十的利润几乎来自于推荐系统）
- 电影视频
- 社交网络：国内：微博 国际：Facebook
- 个性化阅读：国内：今日头条，国际：谷歌新闻
- 位置服务
- 个性化邮件
- 个性化广告
- 个性化旅游
- 证券，理财
推荐系统的基本思想
- 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的物品。（知你所想。精准推送）
- 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。（物以类聚）
- 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。（人以群分）
推荐系统的数据分析
推荐系统的数据源：
- 用户：个人信息（用户注册），喜好标签（账号注册：小红书），上下文信息（浏览器记录）
- 物品：内容信息，分类标签（从内容信息中提炼出来的内容），关键词（从内容信息中提炼出来的内容）
- 用户的行为数据：评分、评价，打标签，点击，浏览，收藏，购买等。用户的行为数据，可以转化为用户对物品或者信息的偏好，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：1.显式的用户反馈（业务系统的数据库中获取数据）：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。2.隐式的用户反馈（收藏，浏览等数据从日志中收集）：这类是用户在使用网站时产生的数据，隐式的反应了用户对物品的喜好，例如用户购买了某物品，用户查看了某物品的信息等等。