什么是推荐系统？——推荐系统实践笔记1

1.1 推荐系统是怎么来的？

随着信息技术（Information Technology）和互联网（Internet）的发展，人们逐渐从信息匮乏的时代走向信息过载的时代。

对于内容生产者来说，需要思考的问题是如何使生产的信息受到用户的大量关注；对于用户来说，如何快速找到自己所需要的信息是很重要的。因此，有效连接内容生产者和用户是至关重要的。

图1-1  推荐系统连接用户和内容生产者

为了解决信息过载的问题，有两种解决方法已经被证明有效，这两种方法分别是分类目录（雅虎）和搜索引擎（谷歌）。

图1-2  Yahoo（分类目录）

图1-3  Google（搜索引擎）

分类目录对热门的网址进行分类，方便用户根据类别进行网页查找。但是随着互联网规模的不断扩大，分类目录的覆盖度达到上限，无法满足用户日益增长的需求。

图1-4  1994年的雅虎分类目录界面

搜索引擎根据用户提供的关键字查找信息，能够更精确地满足用户的需求。但是当用户不能找到准确描述自己需求的关键词时，搜索引擎就无能为力了。

图1-5  2019年的谷歌搜索引擎界面

推荐系统则能很好的解决了这个问题。当用户没有明确的目的时，推荐系统能够通过分析用户的历史行为，主动为用户提供感兴趣的内容。因此，搜索引擎和推荐系统可以视为两个互补的工具。

图1-6  搜索引擎与推荐系统的差异

 

 

 1.2 推荐系统有什么作用？

在维基百科的解释下，推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。

推荐系统的基本任务是连接用户和物品，解决信息过载的问题，而推荐系统的最大特点是个性化。

推荐系统通过以下三种算法实现对用户的个性化推荐：

• 社交推荐（social recommendation）：向其他用户咨询，或收到其他用户的主动推荐，是一种基于社交化关系的推荐。
• 基于内容的推荐（content-based filtering）：寻找与历史行为相似度较高的其他内容，是基于内容本身所包含信息的推荐。
• 基于协同过滤的推荐（collaborative filtering）：通过对用户历史行为数据的挖掘发现用户的偏好，基于不同的偏好对用户进行群组划分并推荐品味相似的物品。

图1-7  推荐系统主流的3种算法

 

参考资料：

[1]《推荐系统实践》

[2] 维基百科—推荐系统