推荐系统详解（一） 概念篇

（内容来着：推荐系统三十六式）

概念：

什么是推荐系统：

定义：它是一种信息过滤系统，手段是预测用户（User）对物品（Item）的评分和偏好

“它能做什么”：推荐系统可以把那些最终会在用户（User）和物品（Item）之间产生的连接提前找出来

“它需要什么”：推荐系统需要已经存在的连接，从已有的连接去预测未来的连接。

“怎么做？”：预测用户评分和偏好。

 

到底要不要上推荐系统，如果仅仅从战术上来看，是一个关乎投入产出比的问题，搭建一个推荐系统的前期投入不小， 你需要：组建团队、购置计算资源、积累数据、花费时间优化。 这些成本在早期不必须或者不成熟的情形下投入，显然投入产出比不是很优；但如果是战略问题，那就不在本文的讨论范围内了，至于哪些算是战略问题，我列举几个例子： 1. 产品要有这个属性，方便产品融资； 2. 团队要有相关人才，因为不好招聘，先提前屯着； 3. 要培养这样的思维，从而形成数据导向的产品文化。 类似等等，都不属于战术问题，具体问题具体分析。

 

从两个角度总结了推荐系统中的常见问题。 第一个角度是模型的角度，将推荐系统的模型分成了预测评分和预测行为，这样一来，自己有什么数据就选择什么样的模型。 另一个角度是看看推荐系统中一些永恒存在但是潜在的问题