微信看一看是好友看过的吗

推荐系统策略与算法浅析

导读： 本文将简要介绍推荐系统中常用的策略和算法，并阐述其在现实生活中的应用。

作者： 刘强

来源： 华章科技

推荐系统旨在通过技术手段将用户与潜在感兴趣的物品关联起来，其核心是利用用户的行为数据，分析其偏好，并进行个性化推荐。

以视频推荐为例，系统可以根据用户的观影历史，分析其对电影类型、演员、年代等的偏好，并推荐类似的影片。这就是基于内容的推荐算法，它通过提取物品的特征，将具备用户偏好特征的物品推荐给用户。

除了基于内容的推荐，协同过滤推荐也是一种常用的策略，它主要分为两类：

• 基于用户的协同过滤： “人以群分”，找到与目标用户兴趣相似的其他用户，并将这些用户喜欢的物品推荐给目标用户。
• 基于物品的协同过滤： “物以类聚”，如果多个用户都对两个物品表现出相似的偏好，则认为这两个物品是相似的，可以将用户喜欢过的物品的相似物品推荐给用户。

▲ 两类协同过滤推荐算法

在实际应用中，推荐系统通常会结合用户行为数据、用户画像信息（如年龄、性别、地域等以及物品信息，构建复杂的算法模型进行预测。常用的算法包括逻辑回归、矩阵分解、因子分解机等。近年来，深度学习技术在推荐系统中的应用也越来越广泛，并取得了显著的效果。

推荐系统在我们的日常生活中无处不在，例如朋友间的口碑推荐、微信“看一看”中的“在看”功能等。事实证明，这类基于用户之间直接或间接交互的推荐方式往往更易于被接受，效果也更佳。

总而言之，基于内容的推荐和协同过滤推荐作为经典的推荐算法，其简单有效的特点使其在工业界得到了广泛应用。

关于作者： 刘强，中国科学技术大学数学系硕士，拥有12年大数据与推荐系统实践经验。他曾从零开始构建过千万级日活用户的视频APP推荐系统，并为多家互联网公司提供技术咨询服务，帮助其打造推荐系统。

本文摘编自： 《构建企业级推荐系统》

推荐语： 这是一本推荐算法工程师必读的书籍，作者结合自身10余年的实践经验，从场景、算法、工程、运营等多个维度，深入浅出地讲解了构建企业级推荐系统的方法论。