推荐系统基本概念---《推荐系统技术、评估及高效算法》---读书笔记（1）

一、本书基本信息

    书名：《推荐系统技术、评估及高效算法》

    作者：Francesco Ricci, Lior Rokach, Bracha Shapira, Paul B.Kantor.

    译者：李艳明，胡聪，吴宾等

    出版社：机械工业出版社

    英文版出版时间：2010年

    中文版出版时间：2017年

二、概述目录组织图（点击图放大）

三、个人体会：

    1、  本书中的推荐系统指的是个性化推荐系统，为不同的用户推荐不同的产品和服务。

    2、  推荐系统推荐的产品和服务需要满足用户的需要和兴趣。

    3、  为了满足用户的兴趣，

        3.1假设用户现在感兴趣的产品和过去感兴趣的产品相同（基于内容的推荐系统）；

        3.2假设用户现在感兴趣的产品和相似人员过去感兴趣的产品相同（基于协同过滤）；

        3.3假设用户现在感兴趣的产品和拥有同样年龄、国籍、文化的人员感兴趣的产品相同（基于人口统计学）；

        3.4假设用户现在感兴趣的产品和周围朋友感兴趣的产品相同（基于社区）；

        3.5预测用户的兴趣和需要，并进行推荐（基于知识），实际上3.1-3.4也需要知识，并假设用户现在的兴趣和知识库中已经有的知识（比如过去的产品、相似人员的产品等）类似。并推荐相似内容。而基于现有知识对用户进行大胆预测，比如购买手机后，预测用户可能需要手机壳，并对手机壳进行推荐。这是3.5和3.1-3.4的不同；

        3.6 第3.1-3.4点列举的推荐方式，重心在满足用户的兴趣。而往往用户的需求也能催生出更大购买欲。比如购买手机后，可以立即推荐手机壳。但是 3.1 的这种假设不能做到，3.2 可能做到，3.3 可能做到，3.4 可能做到，3.5 基本做到。所以既要满足用户兴趣，又要满足用户需求。可以采用混合的推荐系统。当然也可以根据实际需求（购物商城推荐和电影网站推荐明显不同），设计合适的推荐方式

    4、  推荐系统的评价

    推荐系统的评价贯穿整个推荐系统的生命周期，而算法评价仅仅是推荐系统评价的一部分。

    5、  面临的问题和挑战

    此时一定要注意这本书是2010年写的，已经过去8年，可能有所变化。