《推荐系统实践》第二节
本章旨在回答"什么是好的推荐系统",分三步展开:先介绍推荐系统的定义、任务及其与分类目录、搜索引擎的区别;再按领域介绍常见的个性化推荐应用;最后通过评测指标界定"好"的标准。
本章旨在回答"什么是好的推荐系统",分三步展开:先介绍推荐系统的定义、任务及其与分类目录、搜索引擎的区别;再按领域介绍常见的个性化推荐应用;最后通过评测指标界定"好"的标准。
1.1节指出,推荐系统产生于信息过载的时代,其核心任务是联系用户与物品:一方面帮助用户发现有价值的信息,另一方面让信息触达感兴趣的用户,实现双赢。分类目录(如雅虎、Hao123)只能覆盖少量热门网站,搜索引擎(如谷歌)则依赖用户主动提供准确关键词,二者都无法满足用户没有明确需求时的发现需求;推荐系统通过分析用户历史行为建模兴趣,主动推送信息,与搜索引擎形成互补。从物品角度看,推荐系统能发掘长尾商品——互联网货架成本低廉,大量不热门商品的总销售额可观,而这些商品对应小众的个性化需求,正是推荐系统所长。推荐算法的本质是以不同方式联系用户与物品,常见三种:社会化推荐(让好友推荐)、基于内容的推荐(推荐与历史兴趣内容相似的物品)、基于协同过滤的推荐(参考兴趣相似群体的行为)。
1.2节介绍个性化推荐系统的应用。推荐系统依赖用户行为数据,通常作为应用嵌入各类网站,通过分析用户行为日志提供个性化页面展示,以提高点击率和转化率,广泛用于电子商务、电影视频、音乐、社交网络、阅读、位置服务、邮件和广告等领域。几乎所有推荐系统都由前台展示页面、后台日志系统和推荐算法三部分构成。1.2.1节以电子商务为例:亚马逊被称为"推荐系统之王",其推荐深入各类产品,主要包括个性化商品推荐列表和相关商品推荐列表。个性化推荐列表界面包含推荐结果的标题、缩略图等属性、平均分(反映总体质量),并提供反馈调整功能;该列表采用基于物品的推荐算法,即推荐与用户此前喜欢的物品相似的物品。此外,亚马逊还依据Facebook好友关系,推荐好友喜欢的物品,此时推荐理由显示为好友头像。