推荐系统简介

推荐系统的目的

1. 解决信息过载，现在信息太多了，我们要用一个智能的系统来推测我们喜欢什么给我们进行推荐
2. 店家需要推荐系统向客户推荐自己的产品
3. 网站给用户更好的体验，从而留住用户

推荐系统的基本思想

1. 物以类聚，从用户过往的喜好中抽取特征，再推荐具有这些特征的物品。比如女生喜欢高高的阳光一点的男孩，我推荐就推荐这种给她。
2. 人以群分，她喜欢这种男孩，她朋友应该也喜欢这种男孩，我不知道她的喜好，但我根据她朋友的喜好能大概推出来她的喜好。

推荐系统的数据分析

1. 用户：个人信息、喜好标签、上下文信息
2. 物品：内容信息、分类标签、关键词
3. 行为数据：（显式反馈）评分/评价、打标签、（隐式反馈）点击/浏览、收藏/购买

推荐系统的分类

其实推荐不存在分类，所有的推荐算法基本上都会杂糅在一起使用

分类标准	具体类型
根据实时性分类	离线推荐、实时推荐
根据推荐原则分类	基于相似度的推荐、基于知识的推荐、基于模型的推荐
根据推荐是否个性化分类	基于统计的推荐、个性化推荐
根据数据源分类	基于人口统计学的推荐、基于内容的推荐、基于协同过滤的推荐

推荐算法简介

基于人口统计学

人以群分，前提是指导用户的信息