个性化推荐系统框架简述

本文是最近学习心得，从一个产品经理角度来输出个性化推荐系统运作规则。

个性化推荐系统对我来说不算陌生，虽然看了半年书也研究了一些产品，但一直没有系统输出。

推荐系统通过分析和挖掘用户的行为，去发现用户独特的需求和兴趣倾向，再将用户感兴趣的信息或商品推荐给用户。那么，说到底，是从人群中来、让人和物发生关联，再往人群中去。因此主要有三个重要点：人、物、关联规则

• 首先要有数据，也即推荐来源内容是什么？（人和物的数据）
• 算法模型，作用是处理推荐排序规则
• 应用层面，主要负责的模块是设计推荐策略

简单说，就是：

• 它能做什么
• 它需要什么
• 它怎么做

【它能做什么】归结到底，推荐系统的目的是找出用户和物品之间的关系连接。互联网最伟大的地方在于连接，人和资讯连接产生了信息流产品，人和商品连接产生了电商产品， 说的再深入一些，这个世界让人最搞不懂的事情之一，就是搞清楚事物之间，包括人，之间的连接关系。而人活着，也一直在寻找着自己与世界的连接。
那么，推荐系统说的简单点，就是在已有的关系上，预测和人有关的连接信息。

一个信息流产品，用户在上面的浏览、阅读、点击、评论都是用户产生的信息，这些与信息与用户产生了关系，而推荐系统要做的，就是在这些用户不断产生的关系中去建立依据，再产生不同的连接。

【它需要什么】接着上面的话，那么推荐系统显然要的就是已有的连接，这样才能通过某种手段去建立判断依据，判断其他可能和人有关系的连接。

【它怎么做】怎么做，说的是背后的原理。也就是推荐系统的算法。
产品经理要思考的个性化推荐原理，应该是在什么场景下，设计一种合理的规则，推荐用户感兴趣的内容给用户。

具体展开如下：

一、数据（推荐来源内容）

• 用户数据（用户画像）
  • 用户特征属性
    • 用户自然身份识别（性别、年龄...）
  • 用户偏好属性
    • 角色偏好
    • 类目偏好
    • 关键词偏好
    • 场景偏好
      ...
  • 用户关系属性
  • 用户行为数据
    • 用户搜索行为
    • 用户浏览行为
    • 用户访问路径模式
    • 用户交易行为
    • 生命周期识别
      ...
• 内容数据
  • 内容信息属性
  • 内容关系属性（相关内容、上下游内容...）
• 标签数据
• 内容知识库（通过文本分析、挖掘去构建知识库）

算法层

这部分主要涉及的是推荐系统方法，目前被应用广泛的推荐系统方法主要有：

• 协同过滤系统
• 基于内容的过滤系统
• 混合推荐系统

应用层

应用层面上，推荐算法最主要考虑的是推荐策略，归结起来就是：who、what、how、when、where

• 推荐谁的内容给用户
• 推荐什么内容
• 在什么场景下推荐
• 在什么时机下去推荐
• 在什么位置/渠道去推荐