算法基础

对于推荐系统是须要一些数学和机器学习的基本功的，假设你历来没有接触过机器学习，能够按照下面的步骤进行系统的学习：github

学习高数中的求导、几率论整本书、线性代数矩阵计算相关内容，参考的书就是大学的基础教材就好了，也能够阅读《程序员数学系列》，网上都有pdf版，若是找不到下载，能够私信我。算法

首先了解逻辑回归、K近邻、K均值、SVM、贝叶斯等算法，必定要深入理解梯度降低。架构

另外须要了解基于SVD的协同过滤算法、FPGrowth频繁相机挖掘。框架

还有各类类似度的计算，经常使用的就是欧氏距离（简单暴力）、皮尔森（适合评论评分）、杰卡德（适合离散特征计算）、夹角余弦（适合数值特征计算）。机器学习

不推荐一上来就用深度学习搞推荐，不容易理解，也很差结合业务。post

目前深度学习结合推荐的场景不是不少，大多就是全局推荐或者凑单算法：学习

博客整理

在互联网的时代，若是什么东西都本身研究，那真是闭门造车、浪费生命了，在各大互联网巨头拥抱开源的时候，每每会公开一些系统设计的资料，咱们也应该好好利用这些资料，站在巨人的肩膀上作事情。

因此，想要本身作推荐系统，最佳的入门办法就是看看业界是怎么作的。

做为新闻客户端，头条应该算是推荐的佼佼者了，今日头条也公开了内部的算法，让人眼前一亮。

腾讯只是找到了一个简单的实时推荐的ppt，因为使用的框架都是本身的，因此参考价值不是很大，这里不得不吐槽一下，腾讯公开的资料真少...扣(鼻)。

阿里的推荐引擎因为是对外使用的，因此作的很通用，若是一样想作这样一款产品，能够参考他们的产品设计文档，从数据底层设计到算法组成，到业务配置都很全面。我是从这里面学到很多东西，另外没事多用用淘宝，研究下他们的推荐效果也是很好的学习方式。