浅谈推荐系统

定义

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。
让我们来换一个角度回答三个问题，从而重新定义什么是推荐系统：

1. 它能做什么；

2. 它需要什么；

3. 它怎么做。

第一个问题“它能做什么”，
推荐系统可以把那些最终会在用户（User）和物品（Item）之间产生的连接提前找出来。

它需要什么”：推荐系统需要已经存在的连接，从已有的连接去预测未来的连接。

第三个问题：怎么做？
机器推荐和人工推荐，也就是通常说的“个性化推荐”和“编辑推荐”。

你需要推荐系统吗？

我们可以考虑两点。
第一，看看产品的目的。如果一款产品的目的是建立越多连接越好，那么它最终需要一个推荐系统。
第二，看看产品现有的连接。如果你的产品中物品很少，少到用人工就可以应付过来，那么 用户产生的连接肯定不多，因为连接数量的瓶颈在于物品的数量，这时候不适合搭建推荐系 统。 或者用户和物品数量在某些手段下也变得很多，但是用户和物品之间的连接很少，表现就是 用户的留存回访很低，这时候也不是很需要一个推荐系统。 这里介绍一个简单指标，用于判断是不是需要推荐系统：

分子是增加的连接数，分母是增加的活跃用户数和增加的有效物品数。
这个简单的指标解释一下： 如果增加的连接数主要靠增加的活跃用户数和增加的物品数贡献，则该值会较小，不适合加入推荐系统；
如果增加的连接数和新增活跃用户和物品关系不大，那说明连接数已经有自 发生长的趋势了，适合加入推荐系统加速这一过程。 不过，具体并没有判断标准，因产品而异。