推荐系统拆解和设计

    现在人们在网络上获取信息的方式一般push和drug两种方式。drug的代表就是搜索引擎，push的代表就是今天的主角推荐系统。

为什么人们需要推荐系统，需求在哪？

    互联网刚发展的时候，信息比较少，人们主要通过类似大黄页的形式，获取信息，代表就是雅虎崛起。然后随着互联网的高速发展，信息进一步丰富，黄页已经放不下那么多信息了，这时对网站进行过滤和排名的搜索引擎就出现了，代表企业就是谷歌。然后经过了这么多年的发展，信息进一步丰富，因为很多信息，我们根本就不知道它的存在，这时搜索引擎也不适用了，出现了推荐系统，将你想要的信息主动的推送给你。

什么样的产品适合做推荐系统

    1.用户没有明确的目的性，以逛为主

    2.系统的内容非常多，新内容不断产生。用户无法一一看完

推荐系统分类

    推荐系统是推荐商品的，但是它如何推荐的呢？以饭馆吃饭来距一波例子。

原始阶段：你到一家饭馆吃饭，没有推荐系统的时候，你就默默看着菜单，凭着自己的感觉点菜。

1.0版本：你再去吃饭的时候，老板来了一句，本店特色菜是××××，你有兴趣吗？ 这种就是专家推荐系统，由专家（老板）负责筛选内容，然后统一的推送给所有用户，例如热门推荐文章或者商品

2.0版本：你又去吃饭，老板来了一句“喜欢川菜还是粤菜啊？”，你来了一句“川菜”，然后老板说“本店川菜的辣子鸡和夫妻肺片很好吃，要不要试一下呢？”这就是标签化用户，然后根据用户标签进行推荐，例如Quora问答社区，你刚进入的时候，让你选择感兴趣的话题，然后进行推荐。

3.0版本：你又去吃饭，已经是熟客了，这个时候老板说“你平常很喜欢吃川菜，本店川菜系列新增了水煮肉片，要不要尝试一下？”这是基于内容的推荐系统，将所有的内容进行分类，然后推荐给经常消费该类的用户。

4.0版本：你又去吃饭，老板说“和你一样的口味的人，很喜欢我们最近推出的宫保鸡丁，你要不要试一试？”这就是基于用户行为的推荐系统，根据用户行为对用户进行分类，然后将某一类用户均常用的东西，推荐给这一类的其他用户。

目前的推荐系统基本包含在上述四个版本之中，常常是结合起来用。例如当你一开始进入某个网站，热门内容是1.0版本，然后通过收集你点击了哪些内容，逐步刻画精准的用户画像，进阶到3.0或者4.0版本。

PS:由于数学忘了差不多了，算法部分后续再补充