推荐系统（Recommendation/Recommender Systems）小结 （一）

1.从搜索到推荐
“The Web, they say, is leaving the era of search and entering one of discovery.
What’s the difference? Search is what you do when you’re looking for
something.
Discovery is when something wonderful that you didn’t know existed, or didn’t
know how to ask for, finds you.”
------Jeffrey O’Brien, Fortune Magazine, The race to create a ‘smart’ Google

推荐系统的意义：
信息过载，我们只需要很小的一部分来【消费】或【喜欢】。

搜索：用户已知需要查找的东西
推荐：相关的东西【用户未知】

应用： 亚马逊相关商品推荐，Facebook社交推荐，雅虎谷歌新闻推送

2.推荐的操作目标：
相关性：用户更倾向于消费相关的物品
新颖性：推荐给用户的物品是用户过去从未接触过的东西
意外性：推荐给用户时，用户并不知道自己会【喜欢】这件物品
多样性：使用户不会对【推送】感到厌烦

3.推荐策略
content-based recommendation（基于content的推荐）
collaborative filtering（协同过滤）
协同过滤又可以分为：
User-based CF
Item-based CF