推荐系统(Recommendation system)

本篇围绕着如下几个问题展开，希望对推荐系统有个简单的认识：
  1.什么是推荐系统？
  2.为什么要推荐系统？
  3.推荐系统的主要分类
  4.推荐系统的体系结构
  5.推荐系统的应用
  6.知名研究团队

1.什么是推荐系统？

  推荐系统是利用 电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。我们现在的都是个性化推荐系统
来源：百度百科
  推荐系统的本质：在用户需求不明确的情况下，从海量信息中为用户寻找其感兴趣的信息的技术手段。

2.为什么需要推荐系统

  对于这个问题的回答，转向另一个问题：谁需要推荐系统？答案是三者
   用户：电子商务规模不断增大，产品的种类不断增加。顾客需要花费大量时间精力才能找到自己想要的产品。过程中会浏览大量的无关内容，出现信息过载情况
信息过载：信息量大幅增长，使用户面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低。推荐系统是解决信息过载的一个办法。
  平台：平台通过推荐系统，为用户不断提供好的推荐。用户会开心，对平台的黏性会增加(生活里的体现就是我总喜欢用淘宝)
  供货方：通过推荐系统，增加了交易的成交量。为供货方提供利润

注：搜索引擎和推荐系统的区别？
  推荐系统会通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，引导用户发现自己的信息需求

3.推荐系统的主要分类

  1）基于内容推荐：根据用户历史数据，使用机器学习方法提取特征，进行推荐
  2）协同过滤推荐：根据计算与当前用户A接近的用户B，根据用户B的评价内容对A进行推荐。可以发现潜在兴趣
  3）基于关联规则推荐：根据关联规则为基础，把买的作为规则头，规则体作为推荐对象。关联规则可以发现不同商品在销售过程中的相关性。
  4）基于效用推荐：根据用户对使用项目的效用情况，为每一个用户建立效用函数(效用可能就是评价下次买不买的标准吧~)
  5）基于知识推荐：推理技术的体现，用户材料体现用户需要，通过推理出产品满足用户需要
  6）组合推荐：以上多种的组合，原则是互补缺点。组合方式多种(加权、变换、混合等等)

4.推荐系统体系结构分类

  1）服务器端推荐系统
  2）客户端推荐系统
  二者的区别在于用户信息收集和用户描述文件放在的位置，是服务器还是客户端。
  服务器端优点：
     1服务器功能强大，对于用户模型建立准确
     2服务器可汇总多个用户数据，便于使用更多类型的推荐方法
  服务器端缺点
     1中心化方式，数据集中，容易出现隐私泄露问题
     2客户量大，对服务器性能有要求
  客户端优点：
     1客户数据保持在本地，保证信息隐私
     2用户更愿意提供数据，建立更详细的用户模型
  客户端缺点
     1还是需要部分数据传给服务器，仍存在泄露风险
     2难以获取其他用户数据，不能综合分析

5.推荐系统的应用领域：

图源：推荐系统介绍 - 知乎 (zhihu.com)

6.研究知名团队

在某乎上有人专门讨论，这里我就之间留网址啦~
推荐系统领域的大牛人物（国内、国外）有哪些？ - 知乎 (zhihu.com)

参考资料：
推荐系统（推荐系统）_百度百科
推荐系统介绍 - 知乎 (zhihu.com) 里面有对推荐系统面临的挑战的讨论

因作者水平有限，如有错误之处，请在下方评论区指正，谢谢！