23. BI - 基于酒店建立内容推荐系统

本文为 「茶桁的 AI 秘籍 - BI 篇 第 23 篇」

Hi，你好。我是茶桁。

上一节课咱们终于是将矩阵分解的完整内容全部都给大家讲完了。矩阵分解是推荐系统里面比较重要的一个环节。surprise 工具后面大家可以自己来去熟悉使用一下，这在 Python 里是一个比较常见的工具箱。以上的环节内容都属于协同过滤，就是一个动态的行为。

在开始讲解推荐系统以来，咱们接触的都是协同过滤的方式。在之前咱们看到的那个树图里可以看到，除了协同过滤之外，推荐系统还有一个部分，就是静态的如何来做推荐。

后面咱们就要来看看，静态的如何来做推荐。

其实内容的推荐也是比较常见的内容，传统企业其实有很多是跟推荐相关的。举个场景，在汽车的生产过程中有很多的变更环节，每一个变更我们把它称为 AEKO，AEKO 就是一个变更的需求，值从 B-F 开始到 SOP+3M 其间提出，由于成本优化、技术方案优化、质量改进、法规要求、安全原因或者造形更改等原因引起的技术更改（不限于零件技术状态的更改）。AEKO 用于评估零件更改方位、单价变化和修模费用。

他们记录了很多 AEKO，那一个场景就是，我能不能来了一辆新的车型给我推荐相关的 AEKO 呢？推荐 AEKO 就是这辆车有哪些是需要做的。还有一个词叫 PKO，这是在车里面成本优化的。那这个车有哪些可以做成本优化的点，这就是一个推荐内容，推荐内容可以说是一个很主流的需求。

基于内容的推荐

一般的商品和内容都一定会有个静态属性，所