关于推荐系统的几点思考

智能推荐系统，已经发展到比较成熟的阶段，在电商领域和新闻领域得到了广泛的应用，鉴于最近项目组需要进行工业网站智能推荐系统的开发，进行相关资料学习，并整理材料，具体如下．

智能推荐的本质：基础数据＋计算过程＋算法模型，

智能推荐的效果：千人千面，个性化推荐

需要解决的问题：海量数据的冗余，冷启动问题（用户，商品数据为零），马太效应（热者愈热），用户兴趣的升级

推荐考量指标：用户行为信息　用户信息的时间范围　

主要推荐算法：

　　　　推荐算法概述-基于内容属性相似的推荐：（问题：１内容本身是非优质信息，２问题已经解决，信息冗余）

　　　　基于用户画像的推荐（标签采集）：（问题：１并非所有的用户行为都是用户的偏好，２偏好随着时间发生转移，３压根没有用户信息）

　　　　基于协同行为推荐（物品和用户）：（基于相关程度进行向量轨迹的推荐）

　　　　其他方法：根据场景考虑，可以综合多种算法模型