社会化推荐系统浅析-概述

对于每个人来说现实生活中充满了各种选择，买什么样的牙刷，中午吃什么，买一件什么样的衣服等等，当然你也会收到各种各样的推荐，甚至是垃圾信息的轰炸，所以在这种环境下你一定想要一个智能的贴合你的喜好的推荐。

除了你自己还有一些人对你的选择同样充满兴趣，那就是广告商。

传统的广告：希望通过不断重复广播的形式来改变你的喜好。

基于网络的智能广告：更友好，更有效，通过定位你的喜好，来推荐一些你希望的东西（google之所以这么有钱，正是因为它的广告系统）

 

一个推荐引擎的核心是计算任意两个用户或者两个商品之间的相似程度，然后会分析用户每一步所做出的决定，然后判断用户喜欢什么类型的东西，将相同类型的商品推荐给用户。

这就涉及到了距离和相似度的概念：

关于相似度有以下特点：

1：是大于零的，这里我们默认范围为0-1

2：对称性，即A与B的相似度，就是B与A的相似度

3：不支持三角相似度：即A与B相似，B与C相似，但是A与C不一定相似（eg:玻璃，灯泡，火）

相似度的计算：

1：基于用户的相似度计算

2：基于条目的相似度计算

3：基于内容的相似度计算