初學推薦系統相關內容，寫寫自己讀《推薦系統實踐》的讀書筆記。

推薦系統：

對用戶來說推薦系統幫助用戶發現自己想要的商品，對於商品來說找到對其感興趣的用戶，前者例如電影，歌曲的推薦，後者例如廣告推送。

產生推薦系統主要是因為信息過載，用戶難以從大量信息中發現自己想要的信息。

對於物品來說，在線上購物網站可以包含大量的商品，如何發覺長尾商品，並且將這些長尾商品推薦給用戶，是推薦系統的重要作用。

個性化推薦系統主要以下場景：

電子商務，例如亞馬遜，淘寶。

商品推薦頁主要包括的內容有（1）推薦結果的標題，縮略圖以及其他內容屬性，（2）推薦結果的評分（3）推薦理由。

亞馬遜的推薦有以下三種：（1）基於用戶之前的行為，例如購買過武俠小說，會繼續推薦別的武俠小說。

（2）基於用戶的好友關系，例如亞馬遜拿到用戶的Facebook的好友，然後向用戶推薦他的好友都買了啥

（3）基於物品的相似度，例如購買了該商品的用戶還買了哪些商品。

電影和視頻推薦：

這種和電子商務不太一樣，這種用戶通常只是想看電影，但是並沒有很明確的需求要看那部電影甚至是哪種類型的電影。

從Netflix的推薦理由來看，它們的算法和亞馬遜的算法類似，也是基於物品的推薦算法，即給用戶推薦和他們曾經喜歡的電影相似的電影。

音樂電臺：

個性化推薦的成功應用需要兩個條件。第一是存在信息過載，因為如果用戶可以很容易地從所有物品中找到喜歡的物品，就不需要個性化推薦了。第二是用戶大部分時候沒有特別明確的需求，因為用戶如果有明確的需求，可以直接通過搜索引擎找到感興趣的物品。

Pandora會根據專家標註的基因計算歌曲的相似度，並給用戶推薦和他之前喜歡的音樂在基因上相似的其他音樂。

Last.fm於2002年在英國成立。Last.fm記錄了所有用戶的聽歌記錄以及用戶對歌曲的反饋，在這一基礎上計算出不同用戶在歌曲上的喜好相似度，從而給用戶推薦和他有相似聽歌愛好的其他 用戶喜歡的歌曲。

演講人總結了音樂推薦的如下特點。

? 物品空間大 物品數很多，物品空間很大，這主要是相對於書和電影而言。
? 消費每首歌的代價很小 對於在線音樂來說，音樂都是免費的，不需要付費。
? 物品種類豐富 音樂種類豐富，有很多的流派。
? 聽一首歌耗時很少 聽一首音樂的時間成本很低，不太浪費用戶的時間，而且用戶大都

把音樂作為背景聲音，同時進行其他工作。
? 物品重用率很高 每首歌用戶會聽很多遍，這和其他物品不同，比如用戶不會反復看一

個電影，不會反復買一本書。
? 用戶充滿激情 用戶很有激情，一個用戶會聽很多首歌。
? 上下文相關 用戶的口味很受當時上下文的影響，這裏的上下文主要包括用戶當時的心

情(比如沮喪的時候喜歡聽勵誌的歌曲)和所處情境(比如睡覺前喜歡聽輕音樂)。
? 次序很重要 用戶聽音樂一般是按照一定的次序一首一首地聽。
? 很多播放列表資源 很多用戶都會創建很多個人播放列表。
? 不需要用戶全神貫註 音樂不需要用戶全神貫註地聽，很多用戶將音樂作為背景聲音。 ? 高度社會化 用戶聽音樂的行為具有很強的社會化特性，比如我們會和好友分享自己喜歡的音樂。

社交網絡：

社交網絡中的個性化推薦技術主要應用在3個方面:

利用用戶的社交網絡信息對用戶進行個性化的物品推薦;

信息流的會話推薦;

給用戶推薦好友

個性化閱讀 ：

Google Reader是一款流行的社會化閱讀工具。它允許用戶關註自己感興趣的人，然後看到所關註用戶分享的文章。

個性化閱讀工具Zite則是收集用戶對文章的偏好信息，給用戶推薦之前看過的，喜歡的類別的文章。

Digg首先根據用戶的Digg歷史計算用戶之間的興趣相似度，然後給用戶推薦和他興趣相似的用戶喜歡的文章。

基於位置的服務 ：

個性化郵件 ：

個性化廣告 ：

個性化廣告投放和狹義個性化推薦的區別是，個性化推薦著重於幫助用戶找到可能令他們感 興趣的物品，而廣告推薦著重於幫助廣告找到可能對它們感興趣的用戶，即一個是以用戶為核心， 而另一個以廣告為核心。目前的個性化廣告投放技術主要分為3種。

? 上下文廣告 通過分析用戶正在瀏覽的網頁內容，投放和網頁內容相關的廣告。代表系 統是谷歌的Adsense。

? 搜索廣告 通過分析用戶在當前會話中的搜索記錄，判斷用戶的搜索目的，投放和用戶 目的相關的廣告。

? 個性化展示廣告 我們經常在很多網站看到大量展示廣告(就是那些大的橫幅圖片)，它 們是根據用戶的興趣，對不同用戶投放不同的展示廣告。雅虎是這方面研究的代表。

推薦系統的基本概念及其在各個領域的應用