推荐功能学习笔记（一）

到了年关，在公司空闲的时间多了一些，趁这段时间学一学推荐这个功能，不定期会更新这些博客，每篇其实都是一个坑，不一定什么时候才能填上，慎入！

背景：进入大数据时代每个网站要存的东西越来越多，商品，电影，歌曲，等等。用户的选择空间也越来越大，如何能够快速帮用户定位到喜欢的商品也成为了问题，各大网站都会有自己的推荐或猜你喜欢。

推荐大概分为两种：协作式推荐和内容相关推荐，各有好坏，或者说可以用在不同的场景。拿内容推荐来说，如果你喜欢听歌手A的歌，推荐系统慢慢会收敛于歌手A的歌，或者说喜欢挺某种风格的歌，也会使最终的推荐结果收敛于这种歌曲，而协作式推荐则会分析每个用户的相似度，为相似的用户推荐另一个用户所听的歌。而这里的相似度有物品的相似度，也有用户的相似度，相似度的计算也是件非常复杂的事情，比较显而易见的有两类，一种是欧式距离，一种是COSIN距离。

推荐大致所要做的方向就是这些，具体的实现的话哪里也找不到特别具体的方法，第一篇文章就写到这里，下一章会出现一些数学基础的部分，今天到此为止，继续研究，希望有一天能够吃透这个东西。