推荐系统小结

随着互联网大数据的进程，推荐系统已经在我们生活中应用的非常广泛，可以应用在电商/视频/音乐/文章新闻/广告/邮件等生活各方面，，，

推荐系统要考虑几个层面，1.用户界面系统  2.用户行为日志分析系统  3.推荐算法系统 ；

推荐系统目前最基本的算法基于用户以及基于物品的协同过滤算法，所以更多的研究对象是用户和物品的属性以及两者对应的关系，但是同时不能忽视上下文（时间，地点，用户兴趣）等要点。比如电商推荐系统不能在不合适季节推送用户其他季节穿过的衣服，外卖服务平台不能推荐超出用户用餐地理范围的餐馆；

一个新的推荐系统经常会遇到的问题就是冷启动问题，包含用户冷启动，物品冷启动以及系统冷启动。

解决方法：1.提供非个性化推荐（热门排行榜）2.利用用户注册时提供的个人信息（性别/年龄/兴趣等）3.利用社交账号登陆时用户的好友信息，根据好友信息进行推荐，当然需要用户的授权。

目前市场上用的成熟的推荐系统，阿里的千人千面，头条的新闻推荐系统，以及很好展示个性化标签推荐的豆瓣等等，当然无论什么样的推荐系统，都是通过长期的实战不断的优化完善而来。

后续更新。