码迷,mamicode.com
首页 > 其他好文 > 详细

【推荐系统】1.推荐系统基础

时间:2020-11-01 22:03:32      阅读:21      评论:0      收藏:0      [点我收藏+]

标签:就是   pat   选择   推荐系统   new   如何   豆瓣   发展   ldb   

1 推荐系统概念

1.1推荐系统的目的和作用

随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载(information overload)的时代。

在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:作为信息消费者,如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情;作为信息生产者,如何让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。

解决信息过载的问题,代表性的解决方案是分类目录和搜索引擎,类目导航是用户主动按类目逐层查找,如yahoo、google new、网易等;搜索时用户提供意图明确的请求,例如google、百度等.而推荐系统是系统主动提供给用户选择,因而在大多数情况下,用户没有明确的意图,推荐可以帮助用户发现并带来惊喜,例如今日头条、Netflix、豆瓣等。

推荐系统的任务就是联系用户和信息,一方面帮助用户发现对自己有价值的信息,另一方面让信息能够展现在对它感兴趣的用户面前,从而实现信息消费者和信息生产者的双赢。

通俗的讲:就是根据用户的历史行为、社交关系等去挖掘用户的兴趣点,根据所处上下文的环境,判断用户当前的需求或者感兴趣的item。

1.2 推荐系统的发展

推荐系统在不同领域的探索:

1992,Goldberg提出第一个(个性化邮件)推荐系统Tapestry,第一次提出了协同过滤的
思想,利用用户的标注和行为信息对邮件进行重排序。

1994, Resnick等人提出了针对新闻消息的协同过滤推荐系统 Grouplens。

1996,Berkeley的协同过滤专题讨论会上,提出了推荐系统这一概念。

 

推荐系统的商业化

1995,MITPattie maes研究小组创立了 Agents公司(后来更名为 Firefly networks)

关注技术问题:降低在线计算时间,冷启动问题,可信度、可解释性等用户体验问题。

 

推荐系统的学术研究

2006, Netflix的百万美元竟赛

2007, j. A. konstan等人组织了第一届ACM推荐系统大会( Rests)

推荐系统的未来:基于上下文的推荐(情景推荐

人们开始更多关注推荐系统是否真正满足用户的需求.

 

1.3 推荐系统的应用和价值

推荐系统的应用:

音乐、电影的推荐

电子商务中商品推荐

个性化阅读(新闻消息)

社交网络好友推荐、朋友圈推荐

基于位置的服务推荐

 

推荐系统的价值:

Netflix:2/3的电影是因为被推荐而观看

Google news:推荐提升了38%的点击

Amazon:销售中推荐占比高达35%

【推荐系统】1.推荐系统基础

标签:就是   pat   选择   推荐系统   new   如何   豆瓣   发展   ldb   

原文地址:https://www.cnblogs.com/siriJR/p/13909472.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!