本篇圍繞著如下幾個問題展開，希望對推薦系統有個簡單的認識：
??1.什么是推薦系統？
??2.為什么要推薦系統？
??3.推薦系統的主要分類
??4.推薦系統的體系結構
??5.推薦系統的應用
??6.知名研究團隊

1.什么是推薦系統？

??推薦系統是利用 電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程。我們現在的都是個性化推薦系統
來源：百度百科
??推薦系統的本質：在用戶需求不明確的情況下，從海量信息中為用戶尋找其感興趣的信息的技術手段。

2.為什么需要推薦系統

??對于這個問題的回答，轉向另一個問題：誰需要推薦系統？答案是三者
?? 用戶：電子商務規模不斷增大，產品的種類不斷增加。顧客需要花費大量時間精力才能找到自己想要的產品。過程中會瀏覽大量的無關內容，出現信息過載情況
信息過載：信息量大幅增長，使用戶面對大量信息時無法從中獲得對自己真正有用的那部分信息，對信息的使用效率反而降低。推薦系統是解決信息過載的一個辦法。
??平臺：平臺通過推薦系統，為用戶不斷提供好的推薦。用戶會開心，對平臺的黏性會增加(生活里的體現就是我總喜歡用淘寶)
??供貨方：通過推薦系統，增加了交易的成交量。為供貨方提供利潤

注：搜索引擎和推薦系統的區別？
??推薦系統會通過研究用戶的興趣偏好，進行個性化計算，由系統發現用戶的興趣點，引導用戶發現自己的信息需求

3.推薦系統的主要分類

??1）基于內容推薦：根據用戶歷史數據，使用機器學習方法提取特征，進行推薦
??2）協同過濾推薦：根據計算與當前用戶A接近的用戶B，根據用戶B的評價內容對A進行推薦。可以發現潛在興趣
??3）基于關聯規則推薦：根據關聯規則為基礎，把買的作為規則頭，規則體作為推薦對象。關聯規則可以發現不同商品在銷售過程中的相關性。
??4）基于效用推薦：根據用戶對使用項目的效用情況，為每一個用戶建立效用函數(效用可能就是評價下次買不買的標準吧~)
??5）基于知識推薦：推理技術的體現，用戶材料體現用戶需要，通過推理出產品滿足用戶需要
??6）組合推薦：以上多種的組合，原則是互補缺點。組合方式多種(加權、變換、混合等等)

4.推薦系統體系結構分類

??1）服務器端推薦系統
??2）客戶端推薦系統
??二者的區別在于用戶信息收集和用戶描述文件放在的位置，是服務器還是客戶端。
??服務器端優點：
???? 1服務器功能強大，對于用戶模型建立準確
???? 2服務器可匯總多個用戶數據，便于使用更多類型的推薦方法
??服務器端缺點
???? 1中心化方式，數據集中，容易出現隱私泄露問題
???? 2客戶量大，對服務器性能有要求
??客戶端優點：
???? 1客戶數據保持在本地，保證信息隱私
???? 2用戶更愿意提供數據，建立更詳細的用戶模型
??客戶端缺點
???? 1還是需要部分數據傳給服務器，仍存在泄露風險
???? 2難以獲取其他用戶數據，不能綜合分析

5.推薦系統的應用領域：

圖源：推薦系統介紹 - 知乎 (zhihu.com)

6.研究知名團隊

在某乎上有人專門討論，這里我就之間留網址啦~
推薦系統領域的大牛人物（國內、國外）有哪些？ - 知乎 (zhihu.com)

參考資料：
推薦系統（推薦系統）_百度百科
推薦系統介紹 - 知乎 (zhihu.com) 里面有對推薦系統面臨的挑戰的討論

因作者水平有限，如有錯誤之處，請在下方評論區指正，謝謝！

總結

以上是生活随笔為你收集整理的推荐系统(Recommendation system)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。