推荐系统中对数据的需求和利用

推荐系统这个工具作用的是web服务所积累的海量用户数据。

（1）协同过滤中用到的用户的评分，用户的评论，用户的态度，用户产生的可以表达其态度的行为（比如用户购买了一件商品，再深入一些地，通过分析服务器日志中的信息，像用户浏览页面时长，滚动条的动作等等很细微的行为来了解用户对web服务的态度。），通过这些数据，推荐系统才可以计算用户之间的相似度，实现帮助用户找到品位相同的人的功能；才可以计算item之间的相似度，帮助用户找到他们潜在可能喜欢的item。

（2）基于内容的推荐系统往往需要的是item的信息，有的信息比较容易得到，比如一首歌的歌手，风格，时长等等；而有的信息需要经过一些提炼才可以得到，同样以音乐为例，如果单以歌手、风格这些比较粗糙的信息作分析，做推荐器的意义不大，所以需要对音乐的内容进行分析，然后提炼出所谓的“基因”出来，然后再做分析。

以上说到的数据，是推荐系统的基石，是工作的基础。但有的时候只有这些数据，我们很难做出一个很棒的推荐器，尤其是在利用基于内容的方法来做，基于内容的推荐系统都会用到item的“基因”信息（这里把item的属性，特点，关键词统称为描述这个item的“基因”信息），而如果仅利用item自身“携带”的“基因”信息的话，我们做不出很好的推荐。比如：

电影的推荐系统，描述电影《碟中谍4》的“基因”信息可能只会有：主演阿汤哥，流派是动作 / 犯罪 / 惊悚 / 冒险，这样的信息对于分析用户的品位来说太过粗糙，如果我们仅仅用这么几个标签信息作基础数据给用户做推荐，我想效果一定会很差。

我想说的是，有的时候我们对数据的使用太过局限了，不应该仅仅是把自己积累的数据加以分析，而应该把视野扩大到全网的数据上。通过对全网中相关的海量数据进行分析后，我们可以建立一个知识库，结合上我们自身拥有的数据一起做推荐，我想效果会好很多。比如：

在电影的推荐系统中，我们可以通过分析全网中的影评信息，为绝大多数被评论过的电影提炼出特有的“基因”信息，这样会极大地丰富电影的“基因”，而且这些“基因”具有较深一层的意义，不单单是几个贴给电影的标签。

对于电影的推荐系统来说是这样子，对于其他的推荐系统来说，不仅仅要利用好自己拥有的数据，同时也要放眼全网的数据，挖掘更加深层次的信息。