推荐系统-基础概念
推荐系统是什么
推荐系统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。
推荐系统做什么?它可以把用户和物品之间能产生的联系提前找出来。推荐系统需要做什么?从已有的连接去预测未来的连接。推荐系统怎么做?机器推荐和人工推荐,相对应就是个性化推荐以及编辑推荐。
推荐系统的问题模式
推荐系统的使命是为用户和物品建立连接,方式是提前找出那些隐藏的连接呈现给用户,这属于一个预测问题,又可以细分为评分预测和行为预测。
评分预测
比如:用户消费完一个物品之后给出一个打分或者打星,1-5分或者1-5颗,在ML上可以看做为一个回归问题。
行为预测
比如:给用户推荐一个视频,预测用户是否会点击,点击后是否点赞,转发,收藏等,在ML上可以看做一个分类问题,值得我们注意的是,很多行为是一个某个行为之后才会存在的。
对于推荐系统的关键认识
首先对一个产品各个元素的重要性排序,UI/UR,即人机交互设计和用户体验设计>数据>领域知识>算法。
对于上面的排序,首先肯定要做的好看,好用才行;数据,我们可以理解为式推荐系统的食材;领域知识,对应是常识和通识,一个产品需要存在的价值;最后就算法了。