推荐系统-基础概念

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。