7.1 外圍架構 7.2 推薦系統架構 基於特征的推薦系統架構 用戶喜歡的物品、用戶相似的用戶也可以抽象成特征； 基於特征的推薦系統核心任務就被拆解成兩部分，一個是如何為給定用戶生成特征，另一個是如何根據特征找到物品； 用戶特征種類 ...

　　在書的“后記”部分，作者列出了Strand研究人員總結的“推薦系統十堂課”，總結了他們設計推薦系統的經驗和教訓。 1. 確定你真的需要推薦系統 　　個人評價：不是為了推薦而推薦，推薦只是手段，關鍵看用戶價值在哪里，從用戶角度出發，真正能幫助用戶。 2. 確定商業目標和用戶滿意度之間的關系 ...

3.1 冷啟動問題簡介 問題分類： 用戶冷啟動 物品冷啟動 系統冷啟動 　　常用解決方案： 利用熱銷榜進行推薦 利用用戶注冊時的年齡、性別等數據做粗粒度的個性化 利用用戶社交數據為其推薦好友喜歡的物品 要求用戶在登錄時對一些物品進行反饋，收集用戶 ...

2.1 用戶行為數據簡介 用戶行為數據可分為顯性反饋行為和隱性反饋行為； 用戶數據的統一表示； 2.2 用戶行為分析　　在設計推薦算法之前需要對用戶行為數據進行分析，了解數據中蘊含的一般規律可以對算法的設計起到指導作用。 用戶活躍度和物品流行度 ...

推薦系統是根據用戶的行為、興趣等特征，將用戶感興趣的信息、產品等推薦給用戶的系統，它的出現主要是為了解決信息過載和用戶無明確需求的問題，根據划分標准的不同，又分很多種類別： 根據目標用戶的不同，可划分為基於大眾行為的推薦引擎和個性化推薦引擎 根據數據之間的相關性，可划分為基於人口統計 ...

推薦系統測評 實驗方法 離線實驗：准備訓練數據測試數據並評估； 用戶調查：問卷方式、和用戶滿意度調查 在線實驗：AB測試：AB測試是一種很常用的在線評測算法的實驗 ...

1.1 什么是推薦系統 　　80/20原則：80%的銷售額來自於20%的熱門品牌 　　不熱門的商品數量極其龐大，這些長尾商品的總銷售額將是一個不可小覷的數字，也許會超過熱門商品帶來的銷售額。 　　主流商品代表了絕大多數用戶的需求，而長尾商品代表了一小部分用戶的個性化需求。 　　推薦系統 ...

參考：https://github.com/Lockvictor/MovieLens-RecSys/blob/master/usercf.py#L169 數據集 本文使用了MovieLens中的m ...