hadoop＋推荐系统学习笔记

笔记比较零散，但愿读者见谅。学习书籍是 <推荐系统实践> 有须要的读者能够下方留下邮箱。

推荐系统，不少领域都在作这一块，主要是解决信息数据过载问题，一个好的推荐系统是可以达到三方双赢的，即有利于用户，产品提供者以及推荐系统自身。

如何去作一套推荐系统？

     推荐的依据是依赖于用户数据，数据的来源主要是用户的行为日志数据，其次是用户问卷调查和用户反馈信息收集，因此推荐系统须要增长合理性非侵入性的用户交互行为。

    推荐系统上线的三个步骤：

        1.离线试验

             

     2.用户调查 推荐系统是否有效，直接询问用户最直接，可是会问卷方式对用户的体验方式较差且成本较大，通常都会有奖励用户才会接受相关调查。

     3.在线试验，将算法应用于真实的在线用户数据环境，通常作AB试验，我理解为是灰度升级，经过分流，将用户分配至不一样的程序环境，一个是旧环境，一个是更新的环境，按照分流比例进行对比，对比的指标能够是产品的转化率，点击率以及用户停留时间等。

推荐算法应该要按期经历上述3个过程，不停的迭代更新，优化算法与推荐结果。

推荐系统的评测是很是关键的，主要有如下几个指标：

    准确度，覆盖度，新颖度，惊喜度，信任度，透明度

准确度主要仍是有