互联网公司中的推荐系统,很多算法都比较高深( 二 )

在N多年前 , 用户进入一个新闻网站的首页 , 看到的新闻都是一样的 , 而现在 , 每个用户进入今日头条的时候 , 看到的新闻(文章)是不相同的;这些都要归功于推荐系统 。

推荐系的分类

热门推荐:相当于一个排行榜功能 , 销售排行、好评排行、阅读排行等等;

相关推荐:用户买了一个商品 , 系统会告诉你类似的商品;用户阅读了一条新闻 , 这时候系统提示与此相关的内容 。

个性化推荐:根据用户的历史行为 , 推荐给用户想要的内容;和相关推荐不同 , 相关推荐的前提是 , 要现有一个内容 。 前两种推荐都比较容易实现 , 这里主要说一说个性化推荐(直说整体的架构 , 至于一些细节 , 比如推荐算法 , 我也凉凉) 。

个性化推荐系统的组成

日志系统:不要想象成应用日志、Log , 这里的日志系统可以看作对用户信息和用户行为的搜集 , 这是个性化推荐系统的基础数据 。

推荐算法:个性化推荐算法的核心 , 根据数据 , 分析得到推荐的结果 。

推荐阅读