推荐系统


概述

在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要.

什么是推荐系统

假设以下, 如果你想买牛肉干, 你有多少种方法? 假设附近有一个 24 小时便利店, 你可以走进店里, 看看所有的货架, 转一圈找到牛肉干, 然后比较几个牌子的口碑或者自己喜欢的牌子, 掏钱付款. 如果附近有沃尔玛, 你可以走进店里, 按照分类指示牌走到食品所在的区域, 然后在货架上仔细寻找你需要的牛肉干, 找到后付款. 如果你很懒, 不想出门, 可以打开淘宝, 在搜索框汇总输入 “牛肉干” 个字, 然后你就会找到喜欢的牌子, 付费, 然后等送货上门. 上面几个例子描述了用户在有需求的情况下, 面对信息过载所采用的措施. 在 24 小时便利, 因为店面很小, 用户可以凭自己的经验浏览所有货架找到自己需要的商品. 但在沃尔玛, 商品被放在无数的货架上, 此时用户就需要借用, 分类信息找到自己需要的商品. 而在淘宝中, 由于商品数目巨大, 用户只能通过搜索引擎找到自己需要的商品.

但是, 如果用户没有明确的需求呢? 比如你今天跟无聊, 想找一部电影看. 但是你打开某个下载的网站, 面对苍老师数不甚数的作品, 你会手足无措, 不知道看哪一部. 此时你就遇到了信息过载的问题, 需要一个人或者工具来帮助你做筛选, 给出一些建议供你选择. 随着信息技术和互联网的发展, 人们逐渐从信息匮乏的时代走到了信息过载的时代. 在这个时代, 无论是信息消费者还是信息生产者都遇到了很大的挑战. 对于信息消费者, 如大量信息中找到自己感兴趣的信息是一件非常困难的事情. 对于信息生产者, 让自己生产的信息脱颖而出, 收到广大用户的关注, 也是一件非常困难的事情. 推荐系统就是解决这一矛盾的重要工具.

注: 推荐系统的基本任务就是联系用户和物品, 解决信息过载的问题.

工作原理

要了解推荐系统是如何工作的, 可以先回顾一下现实生活中是怎么做的. 仍以看电影为例, 一般来说, 我们可能用如下方式解决最终看什么电影:


  • 向朋友咨询
  • 一般我们都有喜欢的演员和导演, 有些人可能会打开搜索引擎, 取搜索自己喜欢的演员名字
  • 我们还可能查看排行榜, 看看别人都在看什么电影, 别人都喜欢什么电影. 或者是找到和自己历史兴趣相似的一群用户, 看看他们最近在看什么电影. 这种方式称为基于协同过滤的推荐

个性化推荐系统的应用

和搜索引擎不同, 个性化推荐系统需要一览用户的行位数据. 因此一般都作为一个应用存在不同网站之中. 广泛利用推荐系统的领域包括电子商务, 电影和视频, 音乐, 社交网络, 越大, 基于位置的服务, 个性化右键和广告等.

比如: Netfix 原先是一家 DVD 租聘网站, 后来开始涉足在线视频业务. Netflix 非常注重个性化推荐. Netflix 在宣传资料中宣称, 有 60% 的用户是通过推荐系统找到自己感兴趣的电影和视频的.