初学推荐系统相关内容，写写⾃⼰读《推荐系统实践》的读书笔记。
51ra
推荐系统：
对⽤户来说推荐系统帮助⽤户发现⾃⼰想要的商品，对于商品来说到对其感兴趣的⽤户，前者例如电影，歌曲的推荐，后者例如⼴告推送。 产⽣推荐系统主要是因为信息过载，⽤户难以从⼤量信息中发现⾃⼰想要的信息。
对于物品来说，在线上购物⽹站可以包含⼤量的商品，如何发觉长尾商品，并且将这些长尾商品推荐给⽤户，是推荐系统的重要作⽤。 电⼦商务，例如亚马逊，淘宝。
商品推荐页主要包括的内容有（1）推荐结果的标题，缩略图以及其他内容属性，（2）推荐结果的评分（3）推荐理由。
亚马逊的推荐有以下三种：（1）基于⽤户之前的⾏为，例如购买过武侠⼩说，会继续推荐别的武侠⼩说。
（2）基于⽤户的好友关系，例如亚马逊拿到⽤户的Facebook的好友，然后向⽤户推荐他的好友都买了啥
（3）基于物品的相似度，例如购买了该商品的⽤户还买了哪些商品。
止血带压力电影和视频推荐：
这种和电⼦商务不太⼀样，这种⽤户通常只是想看电影，但是并没有很明确的需求要看那部电影甚⾄是哪种类型的电影。
从Netflix的推荐理由来看，它们的算法和亚马逊的算法类似，也是基于物品的推荐算法，即给⽤户推荐和他们曾经喜欢的电影相似的电影。
⾳乐电台：
个性化推荐的成功应⽤需要两个条件。第⼀是存在信息过载，因为如果⽤户可以很容易地从所有物品中到喜欢的物品，就不需要个性化推荐了。第⼆是⽤户⼤部分时候没有特别明确的需求，因为⽤户如果有明确的需求，可以直接通过搜索引擎到感兴趣的物品。
Pandora会根据专家标注的基因计算歌曲的相似度，并给⽤户推荐和他之前喜欢的⾳乐在基因上相似的其他⾳乐。
Last.fm于2002年在英国成⽴。Last.fm记录了所有⽤户的听歌记录以及⽤户对歌曲的反馈，在这⼀基础上计算出不同⽤户在歌曲上的喜好相似度，从⽽给⽤户推荐和他有相似听歌爱好的其他⽤户喜欢的歌曲。
演讲⼈总结了⾳乐推荐的如下特点。
物品空间⼤物品数很多，物品空间很⼤，这主要是相对于书和电影⽽⾔。
消费每⾸歌的代价很⼩对于在线⾳乐来说，⾳乐都是免费的，不需要付费。
卫生裤头物品种类丰富⾳乐种类丰富，有很多的流派。
听⼀⾸歌耗时很少听⼀⾸⾳乐的时间成本很低，不太浪费⽤户的时间，⽽且⽤户⼤都
把⾳乐作为背景声⾳，同时进⾏其他⼯作。
物品重⽤率很⾼每⾸歌⽤户会听很多遍，这和其他物品不同，⽐如⽤户不会反复看⼀
个电影，不会反复买⼀本书。
⽤户充满激情⽤户很有激情，⼀个⽤户会听很多⾸歌。
上下⽂相关⽤户的⼝味很受当时上下⽂的影响，这⾥的上下⽂主要包括⽤户当时的⼼
情(⽐如沮丧的时候喜欢听励志的歌曲)和所处情境(⽐如睡觉前喜欢听轻⾳乐)。
立体声音次序很重要⽤户听⾳乐⼀般是按照⼀定的次序⼀⾸⼀⾸地听。
很多播放列表资源很多⽤户都会创建很多个⼈播放列表。
不需要⽤户全神贯注⾳乐不需要⽤户全神贯注地听，很多⽤户将⾳乐作为背景声⾳。 ⾼度社会化⽤户听⾳乐的⾏为具有很强的社会化特性，⽐如我们会和好友分享⾃⼰喜欢的⾳乐。
一个度导航社交⽹络：
社交⽹络中的个性化推荐技术主要应⽤在3个⽅⾯:
利⽤⽤户的社交⽹络信息对⽤户进⾏个性化的物品推荐;
信息流的会话推荐;
给⽤户推荐好友
个性化阅读：
大功率led驱动电源
Google Reader是⼀款流⾏的社会化阅读⼯具。它允许⽤户关注⾃⼰感兴趣的⼈，然后看到所关注⽤户分享的⽂章。
个性化阅读⼯具Zite则是收集⽤户对⽂章的偏好信息，给⽤户推荐之前看过的，喜欢的类别的⽂章。
Digg⾸先根据⽤户的Digg历史计算⽤户之间的兴趣相似度，然后给⽤户推荐和他兴趣相似的⽤户喜欢的⽂章。
基于位置的服务：
个性化邮件：
个性化⼴告：
个性化⼴告投放和狭义个性化推荐的区别是，个性化推荐着重于帮助⽤户到可能令他们感兴趣的物品，⽽⼴告推荐着重于帮助⼴告到可能对它们感兴趣的⽤户，即⼀个是以⽤户为核⼼，⽽另⼀个以⼴告为核⼼。⽬前的个性化⼴告投放技术主要分为3种。
上下⽂⼴告通过分析⽤户正在浏览的⽹页内容，投放和⽹页内容相关的⼴告。代表系统是⾕歌的Adsense。
搜索⼴告通过分析⽤户在当前会话中的搜索记录，判断⽤户的搜索⽬的，投放和⽤户⽬的相关的⼴告。
个性化展⽰⼴告我们经常在很多⽹站看到⼤量展⽰⼴告(就是那些⼤的横幅图⽚)，它们是根据⽤户的兴趣，对不同⽤户投放不同的展⽰⼴告。雅虎是这⽅⾯研究的代表。
