## 1.1 推荐系统简介

### 学习目标

- 了解推荐系统概念及产生背景
- 记忆推荐系统工作原理及作用
- 了解推荐系统与web项目区别

### 1 推荐系统概念及产生背景

个性化推荐(推荐系统)经历了多年的发展，已经成为互联网产品的标配，也是AI成功落地的分支之一，在电商(淘宝/京东)、资讯(今日头条/微博)、音乐(网易云音乐/QQ音乐)、短视频(抖音/快手)等热门应用中,推荐系统都是核心组件之一。

- 什么是推荐系统

  没有明确需求的用户访问了我们的服务, 且服务的物品对用户构成了信息过载, 系统通过一定的规则对物品进行排序,并将排在前面的物品展示给用户,这样的系统就是推荐系统

- 信息过载 & 用户需求不明确
  - 分类⽬录（1990s）：覆盖少量热门⽹站。典型应用：Hao123 Yahoo
  - 搜索引擎（2000s）：通过搜索词明确需求。典型应用：Google Baidu
  - 推荐系统（2010s）：不需要⽤户提供明确的需求，通过分析⽤
    户的历史⾏为给⽤户的兴趣进⾏建模，从⽽主动给⽤户推荐能
    够满⾜他们兴趣和需求的信息。

- 推荐系统 V.S. 搜索引擎

  <table>
    <tr>
      <th></th>
      <th>搜索</th>
      <th>推荐</th>
    </tr>
    <tr>
      <td> 行为方式 </td>
      <td> 主动 </td>
      <td> 被动 </td>
    </tr>
    <tr>
      <td> 意图 </td>
      <td> 明确 </td>
      <td> 模糊 </td>
    </tr>
    <tr>
      <td> 个性化 </td>
      <td> 弱 </td>
      <td> 强 </td>
    </tr>
    <tr>
      <td> 流量分布 </td>
      <td> 马太效应 </td>
      <td> 长尾效应 </td>
    </tr>
    <tr>
      <td> 目标 </td>
      <td> 快速满足  </td>
      <td> 持续服务 </td>
    </tr>
    <tr>
      <td> 评估指标 </td>
      <td> 简明 </td>
      <td> 复杂 </td>
    </tr>
  </table>

### 2 推荐系统的工作原理及作用

- 推荐系统的工作原理

  - **社会化推荐** 向朋友咨询, 社会化推荐, 让好友给自己推荐物品
  - **基于内容的推荐** 打开搜索引擎, 输入自己喜欢的演员的名字, 然后看看返回结果中还有什么电影是自己没看过的
  - **基于流行度的推荐** 查看票房排行榜, 
  - **基于协同过滤的推荐** 找到和自己历史兴趣相似的用户, 看看他们最近在看什么电影

- 推荐系统的作用

  - 高效连接用户和物品
  - 提高用户停留时间和用户活跃程度
  - 有效的帮助产品实现其商业价值

- 推荐系统的应用场景

  ![](img/recommend1.png)

  

### 3 推荐系统和Web项目的区别

-  通过信息过滤实现目标提升 V.S. 稳定的信息流通系统
  - web项目: 处理复杂业务逻辑，处理高并发，为用户构建一个稳定的信息流通服务
  - 推荐系统: 追求指标增长, 留存率/阅读时间/GMV (Gross Merchandise Volume电商网站成交金额)/视频网站VV (Video View)
- 确定 V.S. 不确定思维
  - web项目: 对结果有确定预期
  - 推荐系统: 结果是概率问题