推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西。
推荐算法主要分为：基于内容的推荐、基于协同过滤的推荐、基于关联规则推荐、基于效用推荐、基于知识推荐、组合推荐
本文阐述整个推荐体系从0搭建的全流程，也是最近以来一直深入研究的成果展现。因原文太长，故此切分成3部分发送，每天发送1篇。全文结构为：上篇：第零章概述，第一章标签体系搭建；中篇：第三章用户体系，第四章项目体系，下篇：第五章推荐体系，第六章评估体系，第七章全文总结，第八章参考资料。
我们都说，搜索引擎是满足用户主动需求的产品，而推荐系统则是满足用户隐含需求的产品。当用户明确需要什么信息，就把需求转化为检索词，丢到搜索引擎，搜索引擎帮用户找到它，而推荐系统则能良好的感知用户未明确陈述的需求，为其呈现信息。那么问题来了，既然推荐系统能够捕捉用户的需求，也就是说用户还没丢关键词给搜索引擎之前已然知道用户要什么，直接为用户呈现出信息不更好？还需要搜索引擎干嘛？！
最近看到一条新闻，说是腾讯准备花重金收购今日头条，而且势在必得的样子。今日头条很多人应该不陌生，我也是今日头条的忠实用户，为什么我觉得今日头条做的比其他新闻/资讯客户端要好，正是因为他展现给我的内容都是我想看的，随着我在上面的行为越来越多，它展现给我的内容越准确，今日头条使用的最核心的技术就是个性化推荐技术。
当时我对推荐系统整体的想法是把运营需求和用户需求分开，然后分别对他们进行独立优化。具体说就是第一步以满足运营需求为目标获得候选集，而第二步是根据用户（双方）的喜好对候选集进行排序，系统流程图见下图。这样，在优化用户需求时就不需要考虑佳缘复杂的业务逻辑，可以极大地简化问题。同样，我们也可以比较独立地优化满足运营需求的候选系统。这可以认为是推荐系统的“战略”方向。
在 2015 年末，JR Oakes 和他的同事利用机器学习做了一个实验，试图预测某个特定网页的谷歌搜索排名。下面这篇文章是他们的发现，他们希望这些成果能够帮助到 SEO 从业者。
用过虾米、酷狗、QQ音乐、网易云音乐，个人感受网易云音乐在音乐推荐这块做的真心不错，特别是以“人”为角度的推荐，没有像虾米、酷狗推的那么乱。虾米还可以，但更多的是以歌搜歌的形式。刚注册了一个新的账号，避免有历史数据的干扰，听了一首周杰伦的《一路向北》和陈奕迅的《淘汰》，然后去个性化推荐里看到了蔡健雅的《红色高跟鞋》和曲婉婷的《承认》，给我的感觉还是比较惊喜，像蔡健雅一般听的人比较少，还能推荐到体验不错。当然也有很多不一定特别准，当然听歌这东西就不需要完全准确。
转载请注明，原文地址：https://www.iyunying.org/pm/78723.html
