推荐系统概论

什么是推荐系统以及推荐系统解决的问题：

解决信息过载的问题，当用户面对信息过载的时候， 需要人工或者工具帮助你做筛选，给出一些建议供用户选择。用户需要一个自动化的工具，分析历史兴趣。这个工具就是个性化推荐系统。

互联网已经把人们从信息匮乏的时代带到了信息过载的时代，对于信息消费者，从海量的数据中找到自己感兴趣的信息是一件非常困难的事情。对于信息的生产者，让自己产生的信息脱颖而出，也是一件非常困难的事情。推荐系统就是解决这一矛盾的工具。推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将长尾商品准确的推荐给用户，帮助用户发现那些他们感兴趣的商品。

以看电影为例，我们回顾以下一般来说，可以有以下3中方式帮助我们实现：

1.  向朋友咨询。 找几个经常看电影的好朋友，问问他们有没有什么电影可以推荐。这种方式叫做社会化推荐（socail recommendation）。

2.  我们一般都有自己喜欢的演员和导演， 打开搜索引擎输入自己喜欢的导演和演员，在搜索结果里看看哪些是自己没有看过的，然后去看以下， 推荐系统可以把上述的内容自动化， 这种方式在推荐系统中叫做基于内容的推荐（content-based filtering）

3.  我们还可以查看排行榜，比如 豆瓣电影排行榜，看看别人在看什么电影，然后找到一个广受好评的电影观看。这种方式可以近一步拓展， 找到跟自己兴趣一致的一群用户，看看他们自己最近在看什么电影。这种方式称为基于系统过滤的推荐(collaborative filtering)的推荐

从上面可以看出，推荐算法的本质是通过一定的方式把用户跟物品联系起来。