一、3分钟快速了解
为什么刷抖音越来越上瘾？
为什么淘宝会给我推荐刚好想买的东西？为什么网易云音乐推荐的歌基本都会觉得好听？
因为他们背后都有一个叫做推荐系统的东西。顾名思义，推荐系统就是把你可能喜欢的东西从海量的备选物品中筛选出来推荐给你的系统。
它的原理其实也很简单，举例来说，比如你去水果店买水果，不知道买什么好，就可能发生下面几种情况：
老板说，今年的橙子特别好吃，皮薄水多，卖的也好，你要不来几斤？
这就是属于热门物品推荐，抖音的热门视频、淘宝的热门商品、豆瓣的热门电影基本也是这样。
其背后的逻辑是大众也喜欢，那你多半也喜欢，无脑推就好了。
老板说，小新啊我看你之前老爱吃橘子了，今天要不要试试橙子？今年的橙子特别好吃，皮薄水多，卖的也好......
这就是属于基于物品内容的推荐。
推荐系统首先有你的历史信息，知道你爱吃橘子，那么和橘子类似的橙子你大概率也会喜欢。
老板说，小新啊你哥们小王刚在我们这买了几斤橙子回去，你要不也试试？今年的橙子特别好吃，皮薄水多......
这就是基于用户关联的推荐，专业术语叫做“协同过滤”。
其背后的逻辑就是跟你爱好类似的人喜欢的东西，你大概率也喜欢。
在实际产品中，我们可能没办法获取到你的好友关系，这时候也可以通过你的历史信息，通过算法找到和你历史信息类似的人，然后就可以进行推荐了。
当然，实际场景中的推荐往往是混合这些不同的推荐方式推荐的物品，最终整合在一起给到用户前面。
二、扩展知识
为什么我们需要推荐系统？其实推荐系统的初衷类似于搜索引擎，要解决的都是信息爆炸的问题。
每天有那么多的新视频、新电影、新歌曲、新书，我们穷尽一辈子都没办法看完。推荐系统的本质也就是从这些海量的信息中找出你可能最感兴趣的推荐给你，为你节约时间，所以本质上是一个可以帮助我们的工具。
而搜索引擎，比如百度、谷歌，其实也属于推荐系统的一环，只是更侧重于我们主动进行的一个信息筛选。比如我们可能会搜索“《人类简史》这本书好看吗”，那我们怎么知道有《人类简史》这本书的呢？也是朋友推荐或者在网上看到别人推荐，然后才自己通过搜索更多信息来判断自己是否喜欢，而推荐系统就是把这一步也给你解决了，把你喜欢的推荐给你。
当然，算法总会有误差，也可能推荐到你不喜欢的东西，谁让人类本身就善变呢？
推荐系统有什么弊端吗？上面说了推荐系统的初衷，我们知道，它本身也只是一个工具而已。而用在不好的地方可能就会产生一些负面的效果。
最典型的就是抖音、快手之类的短视频应用，它为了留住你，为了你把更多的时间花在他们的产品上面，背后有着一大堆工程师来不断的优化、改进推荐系统算法，让你视频刷的停不下来。这对他们当然是好事，用户停留时间越长，对他们产品来说就越好。
但是对用户来说可不一定是好事，想想晚上你早早地躺在床上，准备看一眼手机就好好睡觉，结果无意间点开了抖音，然后一个接一个刷个不停不知不觉就过去了几个小时，然后除了看了一些好笑的视频，也没有吸收到任何有营养的东西，第二天还得早起做打工人......
除此之外，推荐系统对信息流的过度干预，还会造成“信息茧房”的问题，也就是说每个人接触到的东西永远都是推荐系统推荐给他的他感兴趣的东西，而其它的东西他很难看到，就如同蚕被困在蚕茧中一样。都说互联网消除了信息差，但是似乎推荐系统却又加深了信息差。
当然也有专家认为信息茧房是一个伪概念，因为真正热门的信息所有人都可以看到，网络很难构建完全真空般隔离的“茧房”。
三、趣闻
目前的算法水平：现在的算法还远远达不到智能，只能说大多数情况可以正常运行，但是也有例外。
比如微博曾有一篇文章叫做“一张小龙虾的图片美化教程”，被推荐的相似内容是“张小龙的产品观”...
啤酒与纸尿裤：沃尔玛百货将纸尿裤和啤酒并排摆在一起销售，结果纸尿裤和啤酒的销量双双增长。
为什么看起来风马牛不相及的两件商品这样一搭配，能取到惊人的效果呢？
就是通过购物数据分析出，买了啤酒的人往往也会买纸尿裤，就进行了这样一个推荐。
发现这个现象后分析就很简单了，因为丈夫来买啤酒往往会被妻子要求带纸尿裤，或者来给孩子买纸尿裤顺手就会买点啤酒。
扫码关注公众号，查询搜索更方便哟~
