Amazon和Google使用的推荐方法简述

本博文讨论下不同的推荐方法，包括Amazon和Google使用的推荐方法。维基百科给推荐系统的定义是：推荐系统是一种特定的信息过滤技术，它在试图向用户呈现用户可能感兴趣的信息（电影、音乐、图书、新闻、图片、网页等等）。维基百科上同时指出，推荐通常是基于信息项目的（基于内容的推荐技术）或者基于用户的社会环境的（协同过滤推荐技术）。我们认为还有一种个性化的方法，就是Google重点使用的那种技术方法。

Xavier Vespa指出，Pandora利用“对项目的深层次分析”来生成推荐。Strands利用“对项目的社会分析”来形成推荐。而Aggregate Knowledge利用“对项目的层次分析和行为分析”来生成推荐。

两年前，Alex列举出了他看到的四种主要的推荐方法。第一种是个性化推荐，基于用户的历史行为进行推荐；第二种是社会化推荐，基于目标用户的邻居的历史行为进行推荐；第三种是基于内容的推荐，基于项目本身来生成推荐；第四种是混合推荐方法，就是将前三种方法混合在一起使用。

Amazon: 推荐之王

毫无疑问，Amazon是推荐系统领域最权威的案例。经过分析，Amazon使用了所有的上述推荐方法。Amazon的推荐系统是非常复杂的，但是它所有的推荐都是基于用户的行为，加上项目本身的特征和其他用户的行为特征。总之，推荐系统的最终目标就是让用户添加更多的商品到其购物车中。

然而，新兴的互联网公司在试图集中应用一个特定的推荐方法。举例来说，Pandora的推荐系统就是利用对项目的深度分析的（使用“基因”理论）。Strand已经从VC那里获得了足够的资金，在努力打造这个星球上最好的社会化推荐系统。而Aggregate Knowledge的推荐系统更加注重行为分析方法。

Google: 专注于个性化推荐

毫无疑问，Google是这个时代最成功的互联网公司。它也在使用推荐技术来改进其核心的搜索产品。Google的做法有两种。

• Google会根据你的位置和最近搜索活动来向你提供个性化的搜索结果；
• 当你登陆Google账号后，你将会看到更多的与你搜索关键词相关的、有用的结果，这些都是基于你的搜索历史得到的。

因此，Google利用你的位置信息和搜索历史来生成搜索结果是很强大的，这就是“个性化推荐技术”的魔力。事实上，个性化已成为Google近些年的流行词。然而，Google在其核心搜索产品上也使用了其它两种推荐。

• Google的搜索算法“PageRank”基本上是依赖于社会化推荐的，比如，谁链接了一个网页；
• 通过“你的意思是（Did you mean）”的形式，Google也在使用基于内容的推荐。

可以确定的是，Google在其搜索产品中还添加了其它的推荐技术。更不用说Google其它领域的产品了，比如Google新闻，iGoogle和其商务站点Froogle，这些产品都呈现出了推荐的特征.  

转载来自点点实验室