Python Recommendation System --什么是推荐系统？
什么是推荐系统？
根据用户的喜好信息向用户推荐特定的商品，服务或者实体的系统。
推荐系统的分类
1. 预测问题
使用评分矩阵描述不同的用户对于不同商品的评分值
每一行代表一个用户，每一列代表一种商品。对应的值称为评分。
代表的是第i行的用户对于第j列的商品的评分。
评分矩阵往往是稀疏的，预测问题就是要解决某用户对于未知商品的评分值的估计（预测）问题。
2. 排序问题
对于n件商品，提取前k个商品，进行推荐。
推荐方法
1. 基于用户的协同过滤
A与B对于不同商品的喜好上具备相当的一致性。当A购买了B未知的某商品时，可向B推荐该商品。
2. 基于商品的协同过滤
大家对于A商品与B商品的评价相当。当某人买了A商品，向其推荐B商品。
协同推荐都存在冷启动的问题，就是因为过于依赖数据，需要用户对于商品的评分数据。
3. 基于内容的推荐
根据用户的偏好信息（让用户为购买过的商品评分，例如，你喜欢哈利波特和Narnia，基于内容的推荐系统就知道你喜欢科幻片，向你推荐其它科幻片）进行推荐，往往这种推荐没有太多新意，没有基于社区的推荐效果让人印象深刻。
4. 基于知识的推荐
向用户询问需求，根据需求进行推荐。
这种推荐用于推荐很少被购买的商品，不可能会有历史记录，或者用户配置文件推荐商品。例如，房地产。显式地向用户咨询用户的需求，例如房屋位置，预算，房间的数量，层数这样的商品的属性信息，利用这样的属性进行推荐。
5.混合推荐
使用多种方法进行联合推荐，消除单方面的推荐算法的缺点。