人工智能之推荐系统基础知识笔记

一 推荐系统简介

​ 个性化推荐(推荐系统)经历了多年的发展，已经成为互联网产品的标配，也是AI成功落地的分支之一，在电商(淘宝/京东)、资讯(今日头条/微博)、音乐(网易云音乐/QQ音乐)、短视频(抖音/快手)等热门应用中,推荐系统都是核心组件之一。

• 推荐系统产生背景

  • 信息过载 & 用户需求不明确

    • 分类⽬录（1990s）：覆盖少量热门⽹站。Hao123 Yahoo

    • 搜索引擎（2000s）：通过搜索词明确需求。Google Baidu

    • 推荐系统（2010s）：不需要⽤户提供明确的需求，通过分析⽤ 户的历史⾏为给⽤户的兴趣进⾏建模，从⽽主动给⽤户推荐能 够满⾜他们兴趣和需求的信息。

• 什么是推荐系统

  • 没有明确需求的用户访问了我们的服务, 且服务的物品对用户构成了信息过载, 系统通过一定的规则对物品进行排序,并将排在前面的物品展示给用户,这样的系统就是推荐系统

• 推荐系统 V.S. 搜索引擎

  	搜索	推荐
  行为方式	主动	被动
  意图	明确	模糊
  个性化	弱	强
  流量分布	马太效应	长尾效应
  目标	快速满足	持续服务
  评估指标	简明	复杂

• 推荐系统的作用

  • 高效连接用户和物品, 发现长尾商品

  • 留住用户和内容生产者, 实现商业目标

• 推荐系统的工作原理

  • 社会化推荐 向朋友咨询, 社会化推荐, 让好友给自己推荐物品

  • 基于内容的推荐 打开搜索引擎, 输入自己喜欢的演员的名字, 然后看看返回结果中还有什么电影是自己没看过的

  • 基于流行度的推荐 查看票房排行榜,

  • 基于协同过滤的推荐 找到和自己历史兴趣相似的用户, 看看他们最近在看什么电影

• 推荐系统的应用场景 feed 流 信息流

• 推荐系统和Web项目的区别

  • 稳定的信息流通系统 V.S. 通过信息过滤实现目标提升

    • web项目: 处理复杂逻辑 处理高并发 实现高可用 为用户提供稳定服务, 构建一个稳定的信息流通的服务

    • 推荐系统: 追求指标增长, 留存率/阅读时间/GMV (Gross Merchandise Volume电商网站成交金额)/视频网站VV (Video View)

  • 确定 V.S. 不确定思维

    • web项目: 对结果有确定预期

    • 推荐系统: 结果是概率问题