推荐系统Lambda架构介绍（一）：到底什么是推荐系统？

1.1 推荐系统简介

学习目标

• 了解推荐系统概念及产生背景
• 记忆推荐系统工作原理及作用
• 了解推荐系统与web项目区别

1 推荐系统概念及产生背景

个性化推荐(推荐系统)经历了多年的发展，已经成为互联网产品的标配，也是AI成功落地的分支之一，在电商(淘宝/京东)、资讯(今日头条/微博)、音乐(网易云音乐/QQ音乐)、短视频(抖音/快手)等热门应用中,推荐系统都是核心组件之一。

• 什么是推荐系统

  没有明确需求的用户访问了我们的服务, 且服务的物品对用户构成了信息过载, 系统通过一定的规则对物品进行排序,并将排在前面的物品展示给用户,这样的系统就是推荐系统

• 信息过载 & 用户需求不明确

  • 分类⽬录（1990s）：覆盖少量热门⽹站。典型应用：Hao123 Yahoo
  • 搜索引擎（2000s）：通过搜索词明确需求。典型应用：Google Baidu
  • 推荐系统（2010s）：不需要⽤户提供明确的需求，通过分析⽤
    户的历史⾏为给⽤户的兴趣进⾏建模，从⽽主动给⽤户推荐能
    够满⾜他们兴趣和需求的信息。

• 推荐系统 V.S. 搜索引擎

  	搜索	推荐
  行为方式	主动	被动
  意图	明确	模糊
  个性化	弱	强
  流量分布	马太效应	长尾效应
  目标	快速满足	持续服务
  评估指标	简明	复杂

2 推荐系统的工作原理及作用

• 推荐系统的工作原理

  • 社会化推荐 向朋友咨询, 社会化推荐, 让好友给自己推荐物品
  • 基于内容的推荐 打开搜索引擎, 输入自己喜欢的演员的名字, 然后看看返回结果中还有什么电影是自己没看过的
  • 基于流行度的推荐 查看票房排行榜,
  • 基于协同过滤的推荐 找到和自己历史兴趣相似的用户, 看看他们最近在看什么电影

• 推荐系统的作用

  • 高效连接用户和物品
  • 提高用户停留时间和用户活跃程度
  • 有效的帮助产品实现其商业价值

• 推荐系统的应用场景

3 推荐系统和Web项目的区别

• 通过信息过滤实现目标提升 V.S. 稳定的信息流通系统
  • web项目: 处理复杂业务逻辑，处理高并发，为用户构建一个稳定的信息流通服务
  • 推荐系统: 追求指标增长, 留存率/阅读时间/GMV (Gross Merchandise Volume电商网站成交金额)/视频网站VV (Video View)
• 确定 V.S. 不确定思维
  • web项目: 对结果有确定预期
  • 推荐系统: 结果是概率问题