一个小目标(雾) -- 基于深度学习的普适智能推荐系统框架

一点想法

对Python有一定了解的人都知道Python一个很热门的应用领域就是深度学习。Python在深度学习方面有TenseFlow等一系列成熟的深度学习框架，因此使用Python来开发深度学习应用是很有优势的。而对于深度学习的诸多应用领域中，我比较感兴趣的就数推荐系统方面的应用。这就是为什么我想要试着做一个基于深度学习的普适智能推荐系统框架的原因。

理论基础

推荐系统一直是许多应用的一个不可或缺的重要部分，诸如淘宝、京东等网上购物系统都有自己的商品推荐系统，亚马逊Kindle、当当也有自己的图书推荐系统等等。良好的推荐系统不但能大幅提高用户的使用体验，也能对系统的资源进行更合理的分配，从而达到用户和服务者双赢的目的。
Python拥有一套成熟的通用深度学习框架（TenseFlow）及其成套的资源，因此将该框架应用于具体的推荐系统应当是相对容易的。通过TenseFlow构建一个专门应用于推荐系统的框架应当是切实可行的。而该框架应当不只是基于深度学习，而应当适当参考目前广泛应用的推荐系统机器学习算法，取两者的长处，互相弥补两者的不足，从而产生一个更有效率、更加智能、可用性和普适性更高的系统。

应用前景

普适智能推荐系统框架的前景应当是相当光明的。注意到目前市面上还没有一个广泛应用的智能推荐系统框架。中小型公司碍于开发成本无法专门开发一个可用的智能推荐系统，大公司诸如百度、淘宝等的推荐系统往往是于自身系统业务高度耦合的，不具有或很少具有可复用，而且这些公司也不可能轻易将这项较为核心的技术拿出来与大家分享。因此，市面上应当是缺少该类框架的。不仅如此，还应当注意到智能推荐系统框架的广泛应用面。开发出一个普适的智能推荐系统框架，这个框架可以应用至需要推荐的各大领域。而推荐系统可以说与人们生活的方方面面都息息相关，当人们单凭自己所拥有的知识和能力不能或很难作出准确的判断时，外来的推荐就可能是有用的，而这种情况又较为常见。通过推荐系统，可以引导用户作出既有利自己又有利客户的判断，为客户带来方便的同时，也能给自己带来实惠。因此，可以说这样一个普适框架是很有应用前景的，甚至可以作为一个公司的核心业务来取得盈利。