[推荐系统实践_项亮] 第一章：好的推荐系统

【推荐系统实践】

---

主要科普了到底什么是推荐系统，以及什么是一个好的推荐系统（1.1）
其次向我们介绍了一些日常生活中常见的推荐系统（1.2 应用）
推荐系统设计出来之后，怎么评判“好”呢，于是介绍了推荐系统的评测指标及维度（1.3）

【什么是推荐系统？】
在信息过载的背景下，人们有三种方式进行信息查找：
1. 按照目录进行分类
2. 搜索引擎
3. 推荐系统
但是1在信息越来越多的现在也变得不再使用，2需要用户有明确需求的时候进行查找，3是当用户没有明确需求时所使用的工具，所以2和3是相辅相成的。

“推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。”

还有一点就是【长尾效应】（传统的80/20原则：80%的销售额来自于20%的热门品牌），也就是热门的东西越来越热门，冷门的东西越来越冷门。为什么会这样呢？当信息很多的时候，我们无法判断物品的好坏，于是我们为了省事可能会更倾向于选择热门或者是大多数人认为“好”的东西。那么如果有了推荐系统，会根据你自己的喜好对你进行推荐，推荐的东西是适合于自己的，就不用只能挑选热门的东西啦，就可以一定程度的避免长尾效应，使得冷门商品也可以增加销售量点击率等等。

综上，推荐系统用于①用户没有明确的需求；可以②避免长尾效应。

How to 推荐？

1. 社会化推荐（问好友）
2. 基于内容的推荐（根据用户自己的历史观影记录进行推荐）
3. 基于协同过滤的推荐（根据找与这个用户兴趣相似的用户所观看的历史观影进行推荐）。

推荐系统就是自动联系用户和物品的一种工具，它能够在信息过载的环境中帮助用户发现令他们感兴趣的信息，也能将信息推送给对它们感兴趣的用户。

（推荐的目的是增加销售量点击率等等，所以准确的推荐并不代表好的推荐。）

好的推荐系统不仅仅能够准确预测用户的行为，而且能够扩展用户的视野，帮助用户发现那些他们可能会感兴趣，但却不那么容易发现的东西。

好的推荐系统

1. 不仅要有高的用户满意度，也要有高的覆盖率
2. 具有一定的多样性，但又考虑到了用户的主要兴趣

---

其中提到的文章：
[1] The Youtube video recommendation system.
[2] O’scar Celma: Music Recommendation and Discovery in the Long Tail

【马太效应】：强者更强，弱者更弱。