推荐系统简介(一)

       推荐系统广泛应用于电子商务领域，通过分析用户的数据，帮助用户找到喜欢和感兴趣的商品，然后推荐给他们。推荐系统的最大优点在于它能收集用户的兴趣信息并根据用户的不同偏好，主动的为用户做出个性化推荐，而且此推荐信息是动态更新的，也就是说随着时间的推移，用户的兴趣在逐渐改变，推荐系统的推荐结果也会随之改变。因此，推荐系统大大的提高了网站的用户体验，方便了用户对资源信息的查询。

    一般来说，典型的推荐系统模型主要包括搜集信息，处理信息，推荐信息几个部分。如图所示，用户通过Web访问网站，推荐系统根据用户的行为进行处理并给予推荐。

        

        推荐系统面向的是系统的使用者，称为目标用户或者活动用户，输出结果是项目集合，是系统中的产品。推荐系统主要有三个部分组成：输入模块、输出模块和推荐算法实现模块。

         输入模块是获取用户兴趣信息的接口，获取信息一般有两种方式，包括显示的输入和隐式的输入。对于显示的输入主要有用户的注册资料，用户的评分数据和评价文本信息等。这些信息的获取需要用户的互动，因此不方便，而且每个用户对于自己的兴趣度量也没有统一的标准，尽管数据容易收集，但是不容易真实的反应用户的兴趣。隐式输入是由系统主动的记录或者利用Web日志等历史信息挖掘得出，不需要用户的交互，方便用户的使用，但是信息量巨大，挖掘出有用的价值需要复杂的数据清洗等操作。

输出模块作为推荐系统的业务表现形式，主要承担着将经过系统的推荐模块得到的信息呈现给用户的作用，比较常见的输出方式有：

（1）当用户通过输入模块输入对特定商品的查询请求时，推荐系统根据查询要求返回高质量的推荐，即输出是按照质量的高低进行排序的，而不是无规则的。

（2）推荐系统通常会根据用户的购物记录，在用户下一次登录系统时，向其推荐感兴趣的商品的类似商品。

（3）推荐系统除了在用户登录时为其提供推荐信息，而且会根据用户的兴趣信息向用户的Email发送热销、新货或者感兴趣的商品。

（4）网站上的评价信息也属于输出模块的呈现形式，特别值得一提的是，目前流行的团购网站往往会直接向用户展示其他用户的评论信息以增加用户的关注。

（5）推荐系统经常会向用户提供其他用户对一些商品的等级评价或者是评分等。

（6）推荐系统会根据用户的浏览记录或者购买记录显示出“购买了此商品的人还购买了”或者“浏览了此商品的人还浏览了”或者是“浏览了此商品的人购买了”这些协助用户决策的信息。

（7）有些网站比如像Amazon.com还会向用户展示为什么要这样推荐及对推荐的评价等信息，完善推荐的合理性。

        推荐实现模块是推荐系统中的核心的部分，推荐模块的好坏程度决定着推荐系统的成败与否。推荐模块主要包括用户兴趣的建模、推荐策略、用户需求分析和在线推荐几部分组成。该模块主要以推荐策略和推荐算法为技术支撑，其中推荐算法是推荐系统的核心部分，推荐的过程就是从已知的兴趣信息中挖掘未知的兴趣信息，然后推荐给用户，不同的产品项目推荐技术会有所不同，相同的产品项目在不同时期也有着不同的推荐策略，从数学的角度来说，推荐模块的本质过程就是在给定的约束条件下，让用户的利益最大化的过程。对于一个推荐系统来说，将其模型化后，主要涉及到的变量集合有：系统中的用户集合U，系统中的产品项目集合I，用户集合和项目集合对应的偏好关系R，一般为评价集合，映射过程用效用函数f表示，即有：

        对于任意目标用户a，推荐系统的目的就是在项目空间I中搜索项目子集i，使得满足：

          

         目前在推荐算法这一方面的研究主要着重于对算法精度的提高，即如何使得上述函数满足最大值，根据不同的方法，产生了多种推荐系统。

---------------------------------------------------------------------------------------------------------------------------------
--------------------------------------------------------------------------
Author:James Yan
Date:2011-9-22
From: http://blog.csdn.net/zhouyan8603
Note:All references should be cited
--------------------------------------------------------------------------