推荐系统的理解

为什么需要推荐系统

1. 提高流量转化率

---------流量具有稀缺性和不确定性：不确定是指用户意图无法简单明了的表达出来；用户就是想逛一逛，目的不明确；用户的意图跟需求不匹配-如果用户了解的不多，她的意图可能就比较片面。
---------流量同时具有差异性：用户每个人都是独特的，体现在她的意图，消费水平，品牌偏好，兴趣爱好。

2. 挖掘和匹配长尾需求

有些用户的需求需要被长尾的物品满足，区别于二八定理，长尾需求认为头部商品怎么满足一部分用户的需求。

3. 提升用户体验
4. 技术积累

推荐场景

1. 流量浪费和用户流失可能性较大的地方
2. 当前场景中的用户处于选择过程中，需要信息引导
3. 用户在当前场景中具有较强的不确定性

推荐系统的核心逻辑

正如不能拿着所有的商品一个一个去问用户是否喜欢，需要拆分成几个步骤
从推荐的表达式中也可以找出一点规律

p(item|user) = * (item|interest) p(interest|user)
#先找到用户的兴趣，根据用户的兴趣找到对应的item，我们只需要对两个p不为0的商品和兴趣计算即可

在这个思维下，我们可以将推荐分为两个步骤。

召回

根据一些线索找到用户可能会喜欢的物品，这一步骤通常成为召回，根据不同的策略来召回的方法成为召回算法。

召回层通常会考虑到以下几个方面：

• 相关性：比较好理解
• 多样性：跳出信息茧房类似
• 覆盖率
• 实时性

排序

目的：针对统一的优化目标进行排序，在召回阶段可能会涉及多个算法，算法和算法之间并无法比较、