人工智能之推薦系統基礎知識筆記

一 推薦系統簡介

​ 個性化推薦(推薦系統)經曆了多年的發展，已經成為網際網路産品的标配，也是AI成功落地的分支之一，在電商(淘寶/京東)、資訊(今日頭條/微網誌)、音樂(網易雲音樂/QQ音樂)、短視訊(抖音/快手)等熱門應用中,推薦系統都是核心元件之一。

• 推薦系統産生背景
  • 資訊過載 & 使用者需求不明确
    • 分類⽬錄（1990s）：覆寫少量熱門⽹站。Hao123 Yahoo
    • 搜尋引擎（2000s）：通過搜尋詞明确需求。Google Baidu
    • 推薦系統（2010s）：不需要⽤戶提供明确的需求，通過分析⽤ 戶的曆史⾏為給⽤戶的興趣進⾏模組化，從⽽主動給⽤戶推薦能 夠滿⾜他們興趣和需求的資訊。
• 什麼是推薦系統
  • 沒有明确需求的使用者通路了我們的服務, 且服務的物品對使用者構成了資訊過載, 系統通過一定的規則對物品進行排序,并将排在前面的物品展示給使用者,這樣的系統就是推薦系統
• 推薦系統 V.S. 搜尋引擎

  搜尋	推薦
  行為方式	主動	被動
  意圖	明确	模糊
  個性化	弱	強
  流量分布	馬太效應	長尾效應
  目标	快速滿足	持續服務
  評估名額	簡明	複雜

• 推薦系統的作用
  • 高效連接配接使用者和物品, 發現長尾商品
  • 留住使用者和内容生産者, 實作商業目标
• 推薦系統的工作原理
  • 社會化推薦 向朋友咨詢, 社會化推薦, 讓好友給自己推薦物品
  • 基于内容的推薦 打開搜尋引擎, 輸入自己喜歡的演員的名字, 然後看看傳回結果中還有什麼電影是自己沒看過的
  • 基于流行度的推薦 檢視票房排行榜,
  • 基于協同過濾的推薦 找到和自己曆史興趣相似的使用者, 看看他們最近在看什麼電影
• 推薦系統的應用場景 feed 流 資訊流
• 推薦系統和Web項目的差別
  • 穩定的資訊流通系統 V.S. 通過資訊過濾實作目标提升
    • web項目: 處理複雜邏輯 處理高并發 實作高可用 為使用者提供穩定服務, 建構一個穩定的資訊流通的服務
    • 推薦系統: 追求名額增長, 留存率/閱讀時間/GMV (Gross Merchandise Volume電商網站成交金額)/視訊網站VV (Video View)
  • 确定 V.S. 不确定思維
    • web項目: 對結果有确定預期
    • 推薦系統: 結果是機率問題