机器学习:推荐系统(一. 创建推荐系统的基础知识)

The basic of making recommendations


目录

  1. 什么是推荐系统
  2. 推荐系统可以用来干什么
  3. 使用推荐系统

1. 什么是推荐系统

推荐系统是一种计算机程序,通过预测用户对每个事物的评价并向他们展示他们可能高度评价的其他事物,从而帮助用户发现产品和内容。推荐系统无处不在。如果您曾经在亚马逊上搜索过书籍或通过Facebook上的帖子进行浏览,你可能不知道你正在使用这些推荐系统。
现在网上购物这么发达,消费者买个东西都挑花了眼,网购变成了一个力气活, 没有人有足够的时间去搜寻每个产品。而推荐系统在帮助用户查找他们关心的产品和内容方面起着重要的作用,而用户不必花费大量的时间和精力去挖掘他们不喜欢的东西。
在幕后,这些系统由推荐功能提供支持。推荐功能获取关于用户的信息并预测用户给予产品的评价。如果您可以在用户看到产品之前预测用户对产品的评价,那就非常牛掰了。这意味着您可以向用户展示他们最想要的东西,而不是让他们把时间浪费在他们不关心的产品上。



想象一下,您正在浏览电子书,以便在您的电子书阅读器上购买。在线书店知道你的过去的图书购买记录和你给他们的评分。基于这些历史信息,它试图预测你将如何评价其库中的每个产品。(在用kindle的朋友应该有体会)

通过使用这些预测的评分,书店会告诉你它认为你可能最喜欢的书。这些也是你最有可能购买的书籍。推荐系统增强了用户体验,同时书店也卖了更多的书。

2. 推荐系统可以用来干什么

推荐系统有几种不同的用途。推荐系统最常见的用途是根据用户的喜好来对产品进行排名。如果用户正在浏览或搜索产品,我们想向他们展示他们最想要的产品。用户希望能够快速找到他们想要的东西,如果他们很难找到相关产品,他们可能会放弃寻找。推荐系统也可以用来找出不同产品之间的相似程度。如果产品彼此非常相似,他们可能会吸引相同的用户。当用户点击一个产品时,我们可以使用它来给用户提供与其他非常相似的产品的链接。

或者,如果用户购买产品,我们可以稍后通过电子邮件向用户发送类似产品的广告。产品相似性在我们对特定用户还不太了解的情况下尤其有用。我们可以推荐类似的产品,即使用户还没有输入任何自己的产品评论。我们也可以使用推荐系统来判断两个不同的用户是否相似。如果两个用户对产品有类似的偏好,我们可以假设他们有相似的兴趣。

例如,社交网络可以使用这个信息来建议两个用户应该成为朋友。

3. 使用推荐系统

推荐系统躲在您每天使用的许多产品的幕后。您可能在电子商务网站上看到了推荐系统。当你在淘宝上买了一样东西,下次打开淘宝的时候,会根据你的购买情况看到推荐的产品。这由推荐系统提供支持。但这只是冰山一角。 Facebook和Instagram等社交媒体网站大量使用了推荐系统。

这些网站使用推荐系统来决定在您的时间表中显示哪个帖子以及向您推荐哪些新朋友。

音乐流媒体服务依靠推荐系统来帮助您发现新音乐。 Spotify使用推荐系统来生成自己认为自己喜欢的音乐自动播放列表。

如果你不断发现你喜欢的新艺术家,你更有可能继续使用这项服务。 Netflix使用推荐系统来决定向您展示哪些电影和电视节目。

他们以研究和推荐系统而闻名。 2006年他们开始了Netflix奖,这是一个顶尖的比赛,谁可以提高10%的推荐准确率,谁就能赢得100万美元。三年后,有人完成了挑战并获奖。

推荐系统也出现在各种其他产品中。如网上约会应用程序使用推荐系统来决定哪些用户互相展示。

银行和投资公司使用推荐系统来将不同的账户和服务与用户进行匹配。保险公司也是这样做的。推荐系统的应用程序几乎是无止境的。

结语

下一节将会讲解推荐系统的一些基本策略.

你的 关注-收藏-转发 是我继续分享的动力!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,233评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,013评论 1 291
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,030评论 0 241
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,827评论 0 204
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,221评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,542评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,814评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,513评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,225评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,497评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,998评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,342评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,986评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,812评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,560评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,461评论 2 266

推荐阅读更多精彩内容

  • 这篇文章的技术难度会低一些,主要是对推荐系统所涉及到的各部分内容进行介绍,以及给出一些推荐系统的常用算法,比起技术...
    我偏笑_NSNirvana阅读 11,986评论 5 89
  • -- 原创,未经授权,禁止转载 2017.11.15 -- 对于推荐系统,本文总结内容,如下图所示: 文章很长,你...
    rui_liu阅读 42,836评论 14 256
  • 年月将城池苦涩成春去秋来的缘分。 薄雾环城,零屋梦蝶。 万古一苍生,乱世城前,虚生半截,不敌晚风怨。 你的将...
    岁月蓝阅读 454评论 0 1
  • 我今年大三,读的是专科,所以现在是实习阶段,就等于已经毕业。 我和我的一个大学好哥们在大一的时候就...
    撒垃卜阅读 259评论 0 1