推荐系统五大问题

本文翻译于互联网观察媒体“读写网”在2009年初发布的一篇文章。
读写网在2009年初的时候编辑了一系列针对推荐系统的文章，在荷兰阿姆斯特丹举办的一次专门针对推荐系统的兴趣小组会议上，一些公司提出了实施和建设推荐系统需要面对的几个问题，本文针对这些问题，进行了初步的分析。在此与大家分享：

1. 缺少数据

对于推荐系统来说，可能最大的问题就是需要大量的数据才能产生推荐结果。这也是为什么那些表现最突出的推荐系统都是来自于有数据的大公司，比如Google，Amazon，Netflix，Last.fm。正如Strands公司在他的演讲中提到的那样，一个好的推荐系统首先要获得内容数据，接着必须获得和分析用户数据（行为事件），最后才是算法的工作。内容和用户数据越多，获得好的推荐的比率就会越高。但是这也是一个“鸡和蛋”的问题——推荐系统的目的就是带来更多的用户点击和购买，而好的推荐系统需要大量的用户，你才能为推荐系统提供需要的数据。

2. 变化的数据

这个问题曾经被智能推荐系统公司 Clicktorch CEO Paul Edmunds在以前的文章评论中提到过，Paul 指出推荐系统常常充斥着老的内容，而很难推荐出新的东西。时尚发烧友社区