推荐系统学习笔记--CH1--推荐系统需求、概念、应用场景和价值
文章目录
本章主要内容，分为四小节进行讲解，详细如下。
1. 推荐系统简介和知识储备
1.1 什么是推荐系统
维基百科上关于推荐系统的定义很简短：推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。
我们在生活中不论是逛淘宝、京东，还是看腾讯视频、快手、抖音，都会发现每个人客户端展示的内容不尽相同，这背后恰恰是推荐系统在起作用。他会根据你所感兴趣的内容，你所搜索的内容，给你个性化的推荐。提高产品的分发效率，提高客户的满意度。
1.2 推荐系统产生背景
我们知道任何一个事物都是顺应时代而生的，推荐系统也不例外。随着互联网时代的发展，信息和资讯呈指数型增长，而人们在面对信息爆炸时，显然没法自由应对，因此推荐系统应运而生。
- 信息过载
从物品方面，商品及服务繁多，可供选择的内容太多。 - 经济与社会发展
从人类主观需求，需求更加个性化，每个人想要的不一样。 - 需求不明确
从人类客观现实，在特定情况下，人的需求是无目的性的，就像逛街你也不知道要买啥，就是逛着逛着看到就想买了。
1.3 推荐系统解决问题
针对以上三个三个背景，推荐系统主要解决几个问题。
- 提升信息分发和信息获取效率
推荐系统，本质上是为客户满意服务，让客户选的到，选的好，选的快。 - 信息提供方，平台方，用户方三方共赢
推荐系统涉及三方，平台将内容推给用户，通过推荐技术，能够让内容有效触达，让客户能够对所获取内容满意。
1.4 推荐系统知识储备
如下图是对推荐系统所需知识的概括总结：
2. 推荐系统的应用场景和价值
2.1 推荐系统应用场景
推荐系统应用场景，主要针对几大类划分：
- 电商购物
如淘宝、京东、当当、亚马逊等 - 视频
Netflix，优酷，抖音，快手，电视猫等 - 音乐
网易云音乐，酷狗音乐、QQ音乐等 - 新闻资讯类
今日头条、天天快报、手机百度APP等 - 生活服务类
美团、携程、脉脉等交友相亲类：QQ、陌陌、世纪佳
2.2 推荐系统价值
推荐系统涉及平台方，内容方，用户，其能够实现三方的互利共赢，起作用过程如下图：
价值主要体现在：
- 提高内容分发效率，提高内容的商业价值
- 提升用户体验，提升用户粘性
- 减少编辑，降低平台人力成本
3. 推荐团队的组成和工作定位
3.1 团队组成
推荐系统作为一个系统，共分为以下四大块工作内容：
- 数据处理和特征工程
现实世界中存在着大量的非结构化数据，因此要灌入推荐系统之前，数据清洗、挖掘和特征工程必不可少，特征工程决定了推荐系统的上限。 - 算法研究
主要是一些前沿算法，如何应用到现在的业务场景里。 - 算法工程落地
将前沿算法进行工程上的实现、落地，这里肯定会考虑到工程效率问题，在算法性能上做取舍。 - 支撑组件开发
模块化、组件化是现在软件开发的发展方向，推荐系统自然需要将这些轮子沉淀下来，以备重复使用。
3.2 推荐团队与其他团队合作
整个互联网推荐产品的生命周期包括了产品团队，项目团队和运营团队，如下图所示：
从项目团队获取工作内容，对下，从大数据系统获取数据；对上，为产品运营提供底层支持。
3.3 目标定位
互联网产品核心围绕三个点进行：产品，流量，转化率。
- 对流量和转化率负责
将用户感兴趣的信息提供给用户，用户才会看；将用户想要的产品推荐给用户，用户才会买。只有吸引力用户注意力，才能提高商业变现。 - 对内容分发效率负责
是不是能够给用户有用的内容。 - 对推荐产生的商业指标负责
主要是赚不赚钱。
通过服务好用户，并借助用户挣钱，初创公司可能更关注前两个，主要是为了扩大用户量，成熟公司会关注商业指标。
4. 推荐系统未来发展趋势
4.1 大环境
- 内容数据越来越多，对推荐需求越来越大
- 文化多样化，用户的个性化需求越来越多，推荐系统越来越重要
- 国家层面重视，发展趋势顺应时代
- 高校，培训增加，竞争压力越来越大
4.2 推荐业务变化
- 云计算和toB公司通过SAAS和PAAS服务
小公司并不直接开发推荐系统，只有大中型公司才会自建一套推荐业务体系。因此单纯的算法，需求量并不大。 - 新的行业，新的服务，新的场景产生，带来新的推荐需求
比如车载，智能家庭，VR，AR
4.3 从业人员机遇挑战
- 推荐算法商业策略师
由于小公司可能并不直接开发推荐系统，因此推荐算法工程师需求量会很快饱和。但是每个公司需要专门的人才，研究怎么基于推荐云服务将推荐落地到业务中。 - 新的业务场景及交互
怎么构建推荐业务及推荐算法。 - 关注业务价值
只有对业务负责，产生商业价值，才能够持久的生存发展。
5. 作业内容
- 复习初等函数、极限、微积分相关知识点
- 复习常用机器学习算法(分类、聚类、logistic回归)
- 用Python实现kmeans聚类