大話推薦系統
摘要: 在大數據的時代，信息泛濫，如何在大量的信息中提出用戶想要的，推薦系統便顯得極其重要了。在電商，電影，廣告方面，推薦系統得到越來越廣泛的應用。
一 什么是推薦系統
個性化推薦是根據用戶的興趣特點和購買行為，向用戶推薦用戶感興趣的信息和商品。隨著電子商務規模的不斷擴大，商品個數和種類快速增長，顧客需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關的信息和產品過程無疑會使淹沒在信息過載問題中的消費者不斷流失。為了解決這些問題，個性化推薦系統應運而生。個性化推薦系統是建立在海量數據挖掘基礎上的一種高級商務智能平臺，以幫助電子商務網站為其顧客購物提供完全個性化的決策支持和信息服務。
二 個性化推薦系統的應用
-
電子商務： 淘寶
-
電影和視頻網站： 優酷
-
個性化音樂網絡電臺：豆瓣fm
-
社交網絡：微博
-
個性化閱讀：今日頭條
-
個性化廣告：微信朋友圈廣告
三 推薦系統的分類
要了解推薦系統是如何工作的，可以先回顧一下現實社會中用戶面對很多選擇時做決定的過程。仍然以看電影為例，一般來說，我們可能用如下方式決定最終看什么電影。
-
社會化推薦（social recommendation）:讓好友給自己推薦有什么電影好看
-
基于內容的推薦 （content-based filtering）：我們一般都有喜歡的演員和導演，比如我非常喜歡周星馳的電影，于是就去豆瓣搜索周星馳，發現他早年的一部電影我還沒看過，于是就會看一看。這種方式是尋找和自己之前看過的電影在內容上相似的電影。
-
基于協同過濾（collaborative filtering）的推薦： 我們還可能查看排行榜，比如著名的IMDB電影排行榜，看看別人都在看什么電影，別人都喜歡什么電影，然后找一部廣受好評的電影觀看。這種方式可以進一步擴展：如果能找到和自己歷史興趣相似的一群用戶，看看他們最近在看什么電影，那么結果可能比寬泛的熱門排行榜更能符合自己的興趣
四 基于協同過濾的推薦
分為兩類
-
基于用戶的協同過濾算法：給用戶推薦和他興趣相似的其他用戶喜歡的物品
2. 基于物品的協同過濾：給用戶推薦和他之前喜歡的物品相似的物品
五 推薦系統的評測
簡單來說，就是把數據分為樣本內和樣本外，在樣本內的數據中做推薦系統，得出推薦列表，看推薦列表能在樣本外命中率。
來自：http://mp.weixin.qq.com/s?__biz=MzIxNjIwMTg0NA==&mid=2650279666&idx=1&sn=93673f2ab7398fa74f1552c6f5b96d01&chksm=8f8001e9b8f788ff9993f77ea0efc1bc7e1950530945e723d228e4ae9adabc60695e91e8344e&scene=0