【学习笔记】读项亮的《推荐系统实践》_后记

上面的笔记才写到第六章，项亮这本书一共八章，还差第七章和第八章。

第七章是“推荐系统实例”，即实际搭建系统的过程。实际系统千差万别，不是一本书能够涵盖全的。所以，这一章就不做笔记了。

第八章是“评分预测问题”，挺有意思的。

通常推荐系统的产出，是针对每个用户，给当前用户推荐他感兴趣的TopN个商品。这一章的问题转变为，对每个用户和每个物品，预测当前用户对当前物品的打分情况，打的分值表示用户对物品的喜好程度。这个问题在我目前实际工作中没有强烈的应用需求，所以这一章也就看看了解下而已。

在书的“后记”部分，作者列出了Strand研究人员总结的“推荐系统十堂课”，看了下，挺不错的，有些真的是感同身受，列在下面，备忘：

1. 确定你真的需要推荐系统

    个人评价：不是为了推荐而推荐，推荐只是手段，关键看用户价值在哪里。

2. 确定商业目标和用户满意度之间的关系

3. 选择合适的开发人员

4. 忘记冷启动问题

   个人评价：其实说的是，先把产品的用户量提上去，有用户了，自然好收集数据了。

5. 平衡数据和算法间的关系

   有句话说得很好：数据分析决定了如何设计模型，而算法只是决定了最终如何优化模型。个人评价：看数据的过程不能忽略。

6. 找到相关的物品很容易，但是何时以何种方式将他们展现给用户是困难的。

   个人评价：什么时候推荐？以什么方式推荐？例如：系统频繁地弹窗让用户反感，即便弹窗的内容真的是用户可能消费的内容。

7. 不要浪费时间计算相似性去的用户，可以直接利用社会网络的资源。

   个人评价：就是UserCF和利用社交网络的算法的关系。个人觉得，尽量利用已有的数据（例如：社交网络的用户关系），而不是计算新的数据（UserCF的用户关系）。

8. 需要不断地提升算法的扩展性

9. 选择合适的用户反馈方式

10. 设计合理的评测系统

完。