推荐系统概述

1、为何须要推荐系统？

1）信息过载(information overload)问题日益严重

2）人找喜欢的物品、资讯变得愈来愈困难

3）新的产品想脱颖而出、获得关注，亦不容易

 

2、推荐系统主要能解决什么问题？

1）人与物的精确匹配，从人找信息，转变为信息找人
2）帮助减小马太效应和长尾效应的影响

马太效应：产品中热门的东西会被更多人看到，热门的东西会变得更加热门，而冷门的东西更加冷门。
长尾理论：某些条件下，需求和销量不高的产品所占据的市场份额，能够和主流产品的市场份额相比。

 

3、推荐系统与搜索引擎有什么不一样？

搜索引擎-人找资讯

搜索引擎就是人找信息的经典状况，可是搜索出来的结果很是充分的体现了马太效应，就是越热门越靠前，没有体现个性化需求。

 

  推荐系统-资讯找人

1）事实上， 每个人的品味和偏好都并不是和主流人群彻底一致，当咱们发现得越多，咱们就越能体会到咱们须要更多的选择。
2）若是说搜索引擎体现着马太效应的话，那么长尾理论则阐述了推荐系统发挥的价值。

 

4、从用户层面推荐系统能带来什么？

1）推荐系统可以知足用户对信息的个性化需求

推荐系统在个性化方面的运做空间要大得多，以“推荐好看的电影”为例，一百个用户有一百种口味，并无一个“标准”的答案，推荐系统能够根据每位用户历史上的观看行为、评分记录等生成一个对当前用户最有价值的结果，这也是推荐系统有独特魅力的地方。

2）推荐系统知足用户难以用文字表述的需求

• 用户自然都是愿意偷懒的，不肯意输入过多文字去精确表达本身的需求
• 搜索引擎对语义的理解目前还没法作到足够深刻
• 推荐系统经过标签设置（页面上选择喜欢的标签），加上与用户的交互（筛选、排序、点击等），不断积累和挖掘用户偏好，能够将这些难以用文字表达的需求良好的知足起来

 

5、知识图谱在推荐系统中如何发挥做用？

知识图谱旨在描述真实世界中存在的各类实体或概念及其关系,其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成，知识图谱在推荐系统中可以起以下做用：

 

精确性：知识图谱为物品引入了更多的语义关系，能够深层次地发现用户兴趣。

多样性：经过知识图谱中不一样的关系连接种类，有利于推荐结果的发散。

可解释性：知识图谱能够链接用户的历史记录和推荐结果，从而提升用户对推荐结果的满意度和接受度，加强用户对推荐系统的信任。