1.好的推荐系统
1.1什么是推荐系统
买花生米的案例，有明确需求
24小时便利店，范围小，凭借经验就可以浏览
沃尔玛，借用分类信息找到自己需要的东西
淘宝，只能通过搜索引擎
没有明确需求，信息过载的概念
信息消费者，从大量信息找到自己感兴趣的信息是一件非常困难的事情
信息生产者，让自己生产的信息脱颖而出，受到大家的关注，也是一件非常困难的事
推荐系统就是解决解决这一矛盾的重要工具。
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
搜索引擎和推荐系统的区别
搜索引擎需要用户提供准确的关键词来寻找信息，因此不能解决用户的其他需求。
推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息
他们是相互互补的工具。搜索引擎满足用户有明确目的主动查找需求，而推荐系统能够在用户没有明确用户需求的时候帮助他们发现感兴趣的新内容。
Long tail
传统的80/20原则在互联网时代会受到挑战，主流商品往往代表了绝大多数用户的需求，而长尾商品往往代表了一小部分用户的个性化需求
因此，如果要通过发掘长尾提高销售额，就必须充分研究用户的兴趣，而这正是个性化推荐系统主要解决的问题。
推荐系统通过挖掘用户的行为，找到用户的个性化需求，从而将长尾商品准确地推荐给需要它的用户，帮助用户发现那些他们感兴趣但很难发现的商品
看电影的例子
1.向朋友咨询，社会化推荐:social recommendation,让好友给自己推荐物品。
2.基于内容的推荐：content-based filtering 通过分析用户曾经看过的电影找到用户喜欢的演员和导演，然后给用户推荐这些演员或者导演的其他电影
3.基于协同过滤的推荐：collaborative filtering 如果能找到和自己历史兴趣相似的一些用户，看看他们最近在看什么电影，那么结果可能比宽泛的热点历史排行榜更能符合自己的兴趣
总结
推荐算法本质是通过一定的方式将用户和物品联系起来，而不同的推荐系统利用了不同的方式：利用好友，利用你的历史记录，利用你的注册信息等
我们发现推荐系统就是自动联系用户和物品的一种工具，它能够在信息过载的环境中帮助用户发现令他们感兴趣的信息，也能将信息推送给它们感兴趣的用户。
