智能推荐系统架构设计 智能推荐系统特点

1. 什么是推荐系统

推荐系统是一种信息过滤系统，近年来非常流行，应用于各行各业。 比如大家耳熟能详的快手、头条、手机百度、淘宝、京东、应用宝...几乎各个平台都有一个智能推荐的功能。

2. 推荐的主要方法

推荐系统产生推荐列表的方式通常有两种：

• 基于算法的推荐：协同过滤，逻辑回归、决策树
• 基于内容推荐

协同过滤方法根据用户历史行为（例如其购买的、选择的、评价过的物品等）结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣（或用户对物品的感兴趣程度）。

基于内容推荐利用一些列有关物品的离散特征，推荐出具有类似性质的相似物品。两种方法经常互相结合。

3. 推荐的两大特征

推荐主要有两大特征：

• 1、推荐存在两个主体，用户（USER）和物品（ITEM）
• 2、推荐是个性化的，每个用户得到推荐的物品是不同的，是极大程度上符合个人喜好的

个性化推荐最常出现且大家都很熟悉的场景就是电商（淘宝、京东）了，大家经常会有这样的感觉，经常看和点击甚至购买的物品及其类别，甚至相关物品和品类，总是会经常出现，这里面就是多种推荐算法打分组合后输出的结果。

4. 推荐系统架构

5 如何进行个性化推荐？

1. 先明确地点、人物、时间、事件以及数据
2. 搭建特征

1. 首先你需要选取3大类数据指标。
2. 组合上一步中的特征，分为用户特征和物品特征，分别组合为两部分（两个表）。
3. 在导入LR模型进行训练之前还需要做一些特征工程的工作：

3. 选择样本及模型训练预测

1. 通过具体场景和人物选择好正负样本
2. 模型训练
3. 模型评估
4. 预测