推荐系统初次见面

什么是推荐系统

推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

例如：抖音，网易云，淘宝等

推荐系统核心：在合适的场景下，给用户推荐合适的信息
用户角度：面对海量的数据，找打自己想要的数据信息
数据信息角度：把准确合适的信息数据推荐给用户
平台角度：如何提高平台的uv、pv、留存、转化等

如何判断一个推荐系统优劣

1. 用户满意度：满意程度
2. 预测准确性：一般情况下在TopN预测时计算召回率和准确率；在评分等预测时用MAE或RMSE
3. 覆盖率：对全部事物的覆盖情况，可以用来判断推荐系统是否有马太效应，“强更强，弱更弱”。常用的协同过滤就有马太效应。比较简单的指标就是信息熵
4. 多样性：覆盖用户各个兴趣点
5. 新颖性：假如用户买了一台电脑，新颖性高的推荐是向他推荐一些外设，而不是另一台电脑
6. 惊喜性：用户对推荐的商品之前没有兴趣，但用过之后很满意
7. 信任性：网站运营方面的，推荐是不是受用户信任
8. 健壮性：是否能承受住攻击和刷分（就是使用一些手段使自己的商品优先被推荐，花钱求推荐等）现象
9. 商业目标：业绩，销量提升

身边的推荐系统

淘宝购物、抖音短视频、网易云音乐日推

演变

从物品角度出发：

1.平台刚建立起来时：此时可能只有少量的商品进入平台，那此时主要是是要靠一些策略吸引用户，比如满减、免单、热门推荐等来引流。
2.平台运行了一段时间后，此时物品数量越来越多，用户与物品的交互也越来越频繁，那么简单的如热门推荐，并不适合个性化的目标，使得用户体验差。此时可以基于用户行为数据上一些简单的机器学习算法。
3.平台成熟后，海量数据产生，TB、PB的用户行为数据随之而来。可以上一些复杂的机器学习模型如：深度学习、集成学习等。

从用户角度出发：

1.平台刚建立起来时：只有少量的用户注册，用户面临也是不多的商品，可能需要基于如线上导购，传统的电视购物。
2.平台运行了一段时间后，用户数据量逐渐增大，物品也逐渐增多。用户与用户之间的相似性突出，比如喜欢运动的男生a,男生b，两个人都购买过 蛋白粉、鸡胸肉、鸡蛋，但是a多买了一个哑铃，那么可以推荐给b哑铃。
3.平台成熟后，海量数据产生，TB、PB的用户行为数据随之而来，此时用户的兴趣是多峰的，用户可能既喜欢运动、也喜欢音乐等，此时需要靠一些更加厉害的模型进行挖掘。

导航

强烈推荐：
刘建平-----大数据相关

大数据经典案例：啤酒与尿布

推荐系统技术演进之路
推荐系统