推荐系统学习

相关概念

1. 信息过载（Information Overload）：是指社会信息超过了个人或系统所能接受、处理或有效利用的范围，获取有价值信息的成本越来越高。解决过载的办法（1）信息分类，门户网站（2）信息搜索，搜索引擎（3）信息推荐，推荐系统
2. 推荐系统（Recommendation System）：推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物（例如：电影、电视节目、音乐、书籍、新闻、图片、网页）推荐给使用者。
3. 推荐系统分类：推荐系统根据研究数据的类型以及推荐方法的不同通常被分成四类：

1. 1. 协同过滤推荐系统：协同过滤推荐模型是基于统计的机器学习算法得到推荐结果，可以细分为基于用户的协同过滤推荐、基于项目的协同过滤推荐以及基于模型的协同过滤推荐
   2. 基于内容的推荐系统：基于内容的推荐模型是根据项目相关信息、用户的历史行为以及用户相关信息，获得用户的兴趣偏好，为用户推荐跟他的兴趣偏好相似的项目。这里的项目相关信息可以是项目的文字描述信息、标签、评论以及人工标注的信息等。用户相关信息是指人口统计学信息(如年龄、性别、职业、地域、收入等等)，用户的历史行为可以是对项目的评论、收藏、点赞、观看、浏览、点击等。
   3. 混合推荐系统：混合推荐系统将多种推荐算法结合起来做推荐，用来避免单个推荐算法存在的问题，最终获得比单个算法更好的推荐效果。最常见的是将协同过滤推荐方法和其他方法相结合，克服冷启动以及数据稀疏性等问题
   4. 序列推荐系统：序列推荐系统是从时间角度上考虑用户的点击行为，用户的动作在一段时间上是有先后顺序的，序列推荐模型通过用户的动作序列学习到用户兴趣的变化，从而能够对与用户下一个行为进行一个预测。

数据生命周期

ETL，是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过