1. 推荐系统和搜索引擎的区别:
搜索引擎满足了用户有明确需求时的主动查找请求
推荐系统能够在用户没有明确目的的时候帮助他们发现兴趣
2. 几乎所有的推荐系统都是由前台的展示页面,后台的日志系统以及推荐算法系统3部分组成
3. 个性化推荐的成功应用需要两个条件,第一是存在信息过载,因为如果用户可以很容易的从物品中找到喜欢的物品。就不需要个性化推荐了。第二是用户大部分时间
没有特别明确的需求,可以直接通过搜索引擎找到感兴趣的部分
4. 社交网络中的个性化推荐技术主要应用在3个方面:
1,利用用户的社交网络信息对用户进行个性化的物品推荐
2,信息流的会话(每个分享和它的所有评论被称为一个会话)
3,给用户推荐好友
5. 目前个性化广告投放技术有三种:
1,上下文广告,通过分析用户正在浏览的内容
2,搜索广告,分析用户在当前会话中的搜索记录,判断用户的搜索目的
3,个性化展示广告
6. 准确的预测并不代表好的推荐,某个本来就要买c++primer,你推荐给他,并没有扩大c++primer的潜在购买者,太阳从东方升起,毫无意义的预测
7. 一般来说一个新的推荐算法最终上线,需要完成下面三个实验:
1,首先,需要通过离线实验证明它在很多离线指标上优于现有算法
2,然后,需要通过用户调查确定用户满意度不低于现有算法
3,最后,通过在线AB测试确定它在我们关心的指标上优于现有的算法
8. TopN 推荐的预测准确率一般通过准确率(precision)/召回率(recall)度量
9. 覆盖率描述一个推荐系统对物品长尾的发觉能力。覆盖率有不同的定义方法,最简单的定义为推荐系统能够推荐出来的物品占总物品集合的比例。
在信息论和经济学中有两个著名的指标可以用来定义覆盖率:
第一个是信息熵:
第二个是基尼系数: