推荐系统是什么

定义

推荐系统是用户在没有明确需求且面对信息过载时帮助用户快速找到其感兴趣物品的工具。
所以推荐系统的成功应用需要两个条件：存在信息过载、用户大部分时候没有特别明确的需求。

任务

推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展示在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。

搜索引擎和推荐系统

搜索引擎满足了用户有明确需求目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。从某种意义上，这两者对于用户来说是两个互补的工具。具体来说，推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。

三种推荐方法

• 社会化推荐。即让好朋友给自己推荐物品。
• 基于内容的推荐。依据历史行为中的内容推荐相似内容。
• 基于协同过滤的推荐。将和用户历史兴趣相似的一群用户的行为推荐给该用户。（如下图最右侧的）

一些名词定义

长尾商品：不热门但数量极其庞大的那些商品。

推荐系统的应用

和搜索引擎不同，推荐系统需要依赖用户的行为数据，因此一般都是作为一个应用存在于不同的网站之中。
尽管不同的网站使用不同的推荐系统技术，但总地来说，几乎所有的推荐系统应用都是前台的展示页面、后台的日志系统以及推荐算法系统3部分构成的。

应用

电子商务

具体的应用如下：

• 推荐和用户之前喜欢的物品相似的物品。
• 推荐好友喜欢的物品。
• 相关推荐列表。相关推荐列表就是用户在购买一个商品时，在商品信息下面展示的相关商品。这里常有两种相关推荐列表：一种是购买了这个商品的用户也常购买的其他商品，另一种是浏览过这个商品的用户经常购买的其他商品。相关推荐列表的重要应用就是打包销售。

在电子商务中使用推荐系统目的是让每一个用户都能拥有一个自己的在线商店，并且能在商店中找到自己感兴趣的商品。

电影和视频网站

音乐网络电台

总结了一些音乐推荐的特点。（略）

社交网络

社交网络平台最宝贵的数据有两个：一个是用户之间的社交网络关系、另一个是用户的偏好信息。因此，社交平台都会向外提供一个推荐API（称为Instant Personalization）。

个性化阅读

如今日头条（我自己说的）

基于位置的服务

根据你所处的位置，向你推荐满足用户需求的饮食、娱乐场所。

个性化邮件

将用户感兴趣的邮件专门展示在一个收件箱中，减少过滤不重要邮件的时间，提升效率。

个性化广告

个性化广告投放目前已经成为了一门独立的学科—-计算广告学。
个性化广告投放和狭义个性化推荐的区别是，个性化推荐着重于帮助用户找到可能令他们感兴趣的物品，而广告推荐着重于帮助广告找到可能对它们感兴趣的用户。即一个是以用户为核心，另一个是以广告为核心。
目前的个性化广告投放技术主要分为三种：

• 上下文广告。投放和用户正在浏览网页内容相关的广告。
• 搜索广告。通过分析用户的搜索记录，判断用户的搜索目的。投放和用户目的相关的广告。
• 个性化展示广告。根据用户的兴趣来投放。

推荐系统评测

什么才是好的推荐系统是这一块内容主要讲述的东西。

一个完整的推荐一般存在3个参与方：用户、物品提供者和提供推荐系统的网站。因此在评测一个推荐算法的时候，需要同时考虑三方的利益，一个好的推荐系统是能够令三方共赢的系统。、
好的推荐系统：

• 能够准确地预测用户的行为。
• 能够拓展用户的视野。即帮助用户发现那些他们可能会感兴趣，但却不那么容易发现的东西。
• 能够帮助商家将那些埋没在长尾中的好商品介绍给那些可能会对他们感兴趣的用户。

评测推荐系统效果的方法

离线实验

用户调查

在线实验

AB测试

一般来说，一个新的推荐算法上线，需要依次完成上面的三个实验。

• 首先，通过离线实验证明它在很多离线指标上优于现有的算法。
• 然后，需要通过用户调查确定它的用户满意度不低于现有的算法。
• 最后，通过AB测试确定它在我们关心的指标上优于现有算法。

评测指标

用户满意度

预测准确度

该指标是最重要的推荐系统离线评测指标。因为它可以通过离线实验计算，因此在学术界颇受关注。

覆盖率

多样性

新颖性

惊喜度

信任度

实时性

健壮性

商业目标