《推薦系統 - 技術、評估及高效演算法》學習記錄 - 第1章 概述

推薦常見功能：幫助用戶發現有價值物品、推薦系列數據、提供消費搭配、滿足用戶閑逛需求、完善用戶資料等。

推薦系統的三重要主體：用戶、物品、用戶與物品間關係。

• 同情況下，用戶需求及特品各不同，所以用於組織用戶信息的建模因情況而異；

• 推薦物品若對用戶有價值，則為積極物品，反之，則為消極物品；

• 用戶與物品關係有顯性與隱性之分，以顯示反饋為例，如具體評分（1-10）、多元制評價（同意/不同意，非常滿意/一般滿意/滿意/不滿意/很不滿意）、一元制評價（買了，觀看了）、評價型標籤（」好看「、"小清新"）；

• 物品對用戶的效用是依賴語境的，不同的推薦場景結合不同的推薦策略；

推薦方法：

• 基於內容：與用戶歷史興趣相似；

• 協同過濾（Collaborative Filtering）：與用戶口味相同用戶組喜歡的物品；

• 人口統計學：對不同人群推薦對應物品；

• 基於知識：多用於特定領域，如keep選擇健身基礎後，提供對應健身建議；
• 基於社區：引用社區用戶關係；
• 混合推薦：多種推薦方法的混合；

人機交互：

• 推薦解釋（推薦此物品的原因）作用：透明、可反饋、信任、有效、說服力、高效、滿意；

• 會話系統：有效（會話結束時須讓用戶得到解決方案）、快（會話步驟少）、支持用戶表達（展示與A類似但比A便宜的商品，感覺這種方法用在搜索或推薦列表中，向用戶提供更友好的篩選的引導應該很有幫助）、可視化；

參考文獻：弗朗西斯科·里奇 (Francesco Ricci) 《推薦系統：技術、評估及高效演算法》 機械工業出版社; 第1版 (2015年7月1日)
推薦閱讀：