大数据智能推荐系统原理介绍

一．什么是推荐系统：

通过算法分析用户喜欢什么，再把那些分析出来用户会喜欢的东西推荐给用户。

二．为什么要用推荐系统：

主要有以下三点好处：
1.用户：得到想要的物品
2.平台：获得更多的流量和收入
3.内容提供商:提高售卖效率

据了解，亚马逊有20%～30%的销售来自于推荐系统。
大拿语录：
——杰夫.贝佐斯

三．我们该如何推荐:

刚刚说到是通过算法分析用户喜欢什么，那么都有哪些算法呢？是如何分析的呢？

主要可分为以下几点：
1.基于流行度的推荐
2.基于好友推荐
3.基于人口统计学的推荐
4.基于内容的推荐算法（content based—简称CB）
5.基于协同过滤的推荐算法（collaborative filtering—简称CF）
6.混合推荐机制

别被吓到，原理很简单，下面依次介绍：

1.基于流行度的推荐：

根据PV、UV、日均PV或收藏数、分享率等数据来按某种热度排序来推荐给用户。

优点：
简单，适用于刚注册的新用户，无用户“冷启动”问题。
缺点：
无法针对用户提供个性化推荐。
举个栗子：

基于这种算法可做一些优化：
比如加入用户分群的流行度排序，把热榜上的摇滚歌曲分给爱听摇滚的用户，把民谣热歌推荐给爱听民谣的用户。。。。

2.基于好友推荐：

把你好朋友