推荐系统简介

推荐系统简介

概述

• 用户有明确需求的情况下，通过搜索引擎找到自己需要的东西。用户没有明确的需求呢？比如说，某个周日的下午，你想看一部电影，但打开视频网站后，面对各种类型的电影，不知如何挑选。推荐系统为了解决这个问题就应运而生；
• 无论是在互联网上，还是在现实生活中，这两种方式都大量并存，为互补关系。以在商场买东西为例，如果我们清楚地知道自己想要买什么、什么型号、什么款式、什么颜色的话，直接去店里买就好了，这就是“搜索”；如果我们不太清楚自己需要的东西的大小、型号、款式、价格等，那就需要导购来告诉我们哪一款商品符合我们的需求，这就是“推荐”。
• 从用户的角度来看，搜索引擎和推荐系统是用户获取信息的两种不同手段。搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。

马太效应 & 长尾效应

• 马太效应（Matthew Effect），指强者越强、弱者越弱的现象。这一理论出自圣经《新约·马太福音》一则寓言： “凡有的，还要加倍给他叫他多余；没有的，连他所有的也要夺过来”，这与“二八法则”相似，通俗来说，就叫“赢家通吃”。百度的搜索点击为例，越是排名靠前的搜索结果，用户越有可能点击，排名靠后的结果以及翻页后的结果被点击的可能性大大减少。
• 长尾效应。美国《连线》杂志主编Chris Anderson在2004年发表了"The Long Tail"（长尾）一文并于2006年出版了《长尾理论》一书。长尾用来描述经济学中热门和冷门物品的分布情况。在互联网时代由于网络技术能以很低的成本让人们去获得更多的信息和选择，在很多网站内，有越来越多的原先被“遗忘”的冷门物品重新被人们关注起来。事实上，每一个人的品味和偏好都并非和主流人群完全一致，Chris指出：当我们发现得越多，我们就越能体会到我们需要更多的选择。
• 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。而对长尾资源的盘活和利用，恰恰是推荐系统所擅长的。用户通常对长尾内容是陌生的，无法主动搜索，只有通过推荐的方式，这些陌生的内容才能引起用户的注意，引起用户的兴趣。
• 对生产者来说，盘活长尾资源也非常关键。试想一下，如果一个企业仅仅依靠某一类型商品来吸引人气，那么当这类商品不再受欢迎，新的商品还没有补上来的时候，企业的收益势必会受到很大波动。依靠推荐系统来充分发掘长尾，满足用户个性化、差异化的需求，让长尾内容在合适的时机曝光，吸引新的人气，才能维护企业健康稳定的运转。

推荐系统分类

• 社会化推荐

  • 咨询身边好友。我们可以问身边爱看电影的好友，问问他们最近看过的不错的电影，或者在朋友圈坐等别人推荐。在推荐系统中，我们把这种方式叫做社会化推荐，即通过好友给自己推荐物品。

• 内容的推荐

  • 从喜欢的演员或者导演入手，在搜索引擎中搜索这位演员或者导演的其他还未看过的电影。 这种方式是寻找和自己之前看过的电影在内容上相似的电影。这种方式在推荐系统中叫做基于内容的推荐。

• 基于协同过滤的推荐

  • 我们还可以参考豆瓣评分，结合网友打分挑选自己喜欢的电影。