鱼哥推荐书籍第18期：《推荐系统》算法 案例与大模型

什么是推荐系统？

推荐系统是计算机软件工程的一个子领域，通过大数据、机器学习等技术，在用户使用产品的过程中，学习用户的兴趣偏好，主动展示他可能喜欢的“物品”（这里的物品是指待推荐的东西，可以是商品、电影、视频、文章、音乐、美食、景点、理财产品甚至是人，后面都用物品指代，不再说明），从而促成“消费”，节省用户时间，提升用户体验，优化资源配置，最终为服务提供方、物品提供方创造商业价值。

上述定义有几点需要说明，以便大家更好地理解推荐系统的特性与本质。

推荐系统是一种软件工程解决方案，通过代码实现推荐能力，将为用户推荐物品这一流程做到完全自动化。推荐系统是机器学习的一种应用，通过学习用户的行为数据，构建数学模型，预测用户的兴趣，最终为用户推送其可能喜欢的物品，满足用户被动的需求，提升用户体验。推荐系统是一项交互式产品功能，产品为推荐系统提供载体，用户在使用产品的过程中触发推荐系统，推荐系统为用户提供个性化的推荐。作为一个产品，物品怎么展示、如何与用户交互、交互过程中可能遇到什么问题，这些都要考虑。推荐系统是一项人机协同的（软件）服务，通过推荐系统，用户可以获得符合自身兴趣的物品推荐，满足其个性化的、被动的需求。任何服务都需要运营，在服务过程中，服务的宣导、问题的解决等都需要借助人力。推荐系统是一种过滤信息、匹配资源的手段，通过机器学习算法和软件工程，推荐系统从海量信息中为用户进行筛选和过滤。推荐系统最终的目标是提升用户体验，为服务提供方和物品提供方创造商业价值。

从上面的说明可知，推荐系统是一个偏业务的交叉学科，需要综合利用软件工程、机器学习、产品设计、运营、大数据等跨学科的知识，才可以构建出满足用户需求、有商业价值的推荐系统。

推荐系统解决了哪些问题？

推荐系统是互联网（特别是移动互联网）快速发展的产物。它本质上是一种从海量信息中为用户检索其感兴趣的信息的技术手段。推荐系统结合用户信息（地域、年龄、性别等）、物品信息（名称、价格、产地等）以及用户行为（浏览、购买、点击、播放等），利用机器学习技术构建用户兴趣模型，利用软件工程技术实现软件服务，为用户提供精准的个性化推荐。

推荐系统能够很好地满足物品提供方、平台方、用户三方的需求。拿淘宝购物举例，物品提供方是成千上万的网店，平台方是淘宝，用户是在淘宝上购物的自然人或企业。推荐系统可以更好地将物品曝光给有需要的用户，提升用户和物品的匹配效率。

从本质上讲，推荐系统解决的是资源配置问题。通过软件、算法、工程手段，将供给端（物品提供方）和需求端（用户）通过平台（提供个性化推荐的产品，如淘宝）进行匹配。推荐系统的目标是提升资源的配置效率。

推荐系统的应用领域

对于一款互联网产品来说，只要平台上存在“大量供用户消费的物品”，推荐系统就有用武之地。具体来说，推荐系统的应用领域主要有如下几类。

电商：淘宝、京东、亚马逊等。视频：B 站、爱奇艺、抖音、快手等。音乐：网易云音乐、酷狗音乐、QQ 音乐等。资讯：

本文链接：https://www.kjpai.cn/news/2024-05-05/164989.html，文章来源：网络cs，作者：纳雷武，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！