大数据——推荐系统

1 推荐系统的发展

推荐系统是指面对没有需求的用户在进入产品时，要给用户推荐什么东西，现在的APP基本上都会采用推荐系统。
从一开始的1990s开始的门户网站，像Yahoo、搜狐和Hao123等等，都是基于分类目录的网页导航网站，将各个网页聚合在一个网页中，方便用户跳转访问；到了2000s开始，进入搜索引擎，例如百度、google和必应，用户通过有目的的搜索，找到自己的需求网站；而进入2010s开始，进入推荐系统，不需要用户提供明确需求，通过分析用户的历史行为，主动给用户推荐他们感兴趣的东西，典型的APP有：快手、抖音和B站等等，基本上现在的APP都是基于推荐系统。

2 推荐系统的工作原理

推荐系统是基于以下四种推荐来进行的：

1. 社会化推荐 让用户的社会关系进行推荐，例如好友推荐，例如分享功能；
2. 基于内容推荐 根据用户的搜索的东西，了解用户的兴趣；
3. 基于热点推荐 向用户推荐当前的热点资讯；
4. 基于协同过滤推荐 向同一类用户推荐东西，拓展用户的边界。

综合应用以上四种推荐，可以高效链接用户和商品，提高用户的活跃度和停留时间，从而提高产品的商业价值。目前最成功的的APP当属抖音。

3 推荐系统的总体架构

如上图所示，其中用户服务主要是前端界面，数据采集会采用Lambda架构，推荐算法包含召回和排序两个方面。
其中推荐系统的数据采集架构Lambda架构图如下：