推荐系统是什么？

推荐系统是用于海量数据信息过载情况下，为用户主动快速从海量数据中推荐出符合用户需求，符合永华特点的物品/人/视频/音乐等等

 推荐系统的三个参与方：

1、用户
2、物品（商家/店家）
3、提供推荐系统的网站

推荐系统解决了什么

1、对用户而言，推荐系统不需要用户提供明确的目标

2、对物品而言，推荐系统解决了2/8现象的问题（也叫长尾效应），让小众的物品可以展示到需要他们的用户面前

3、提升用户体验，增加新颖性，增加惊喜感，促进点击、转化率

推荐系统发展概述

推荐系统是互联网时代的一种解决信息负载工具，自20世纪90年代，人们便认识到了推荐系统的价值，经过了二十多年的积累和沉淀，推荐系统逐渐成为一门独立的学科在学术研究和业界应用中都取得了很多成果。

1994年明尼苏达大学GroupLenst研究组推出第一个自动化推荐系统GroupLens。提出了将协同过滤作为推荐系统重要技术，这也是最早自动化协同过滤推荐系统之一。

1997年Resnick等人首次提出推荐系统(recommendersystem,RS)一词，自此，推荐系统一词被广泛引用，并且推荐系统开始成为一个重要的研究领域。

1998年亚马逊(Amazon.com)上线了基于物品的协同过滤算法，将推荐系统推向服务千万级用户和处理百万级商品的规模，并能产生质量良好的推荐。

 

推荐系统的核心：

召回+排序

召回：

首先主要根据用户部分特征，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品，从而构建召回池。

排序：

将获得的召回数据，交给排序环节，排序环节可以融入较多特征，使用复杂模型，来精准地做个性化推荐。

召回强调快。排序强调准