推荐系统简介
推荐系统常常用于帮助人们实现过载信息的筛选。帮助人们在众多的信息中进行筛选，向用户推荐个性化的物品，这个物品可以是一部电影，一首歌，或者一本书，亦或者行车路线。推荐系统通过日志等信息获取用户的兴趣爱好等，实现对物品的推荐。用户可以接受推荐也可以不接受，这些信息又可以作为反馈回到推荐系统中去。
推荐系统中数据
1.物品
物品就是被推荐的对象。
2.用户
根据用户的喜好或者对于某件物品的评分等信息进行协同过滤等操作。用户也是被推荐物品的对象，没有了被推荐对象，推荐也就没有了意义。
3.事务
事务就是用户和推荐系统的一次交互。用户将自己的喜好信息通过显式的评分也好，通过隐式的文字描述也好产生了评价，那么推荐系统就可以根据这些信息进行学习和优化。通过，用户的点击等信息也是可以给推荐系统一定的反馈信息的。
推荐方法的分类
1.基于内容的推荐
系统为用户推荐与用户感兴趣的物品相类似的物品。根据计算物品间的相似程度来进行推荐操作。
2.协同过滤（最流行的）
基于兴趣相似的用户的喜好物品进行推荐。将兴趣爱好类似的用户喜好的物品推荐给指定的用户。
3.基于人口统计学（很少使用）
基于用户的国籍，或者语言等等。
4.基于知识
这些知识是确定如何确定物品的哪些特征能够满足用户需要和偏好，以及如何确定物品对用户有用。
5.基于社区
根据用户的社交网络用户的喜好信息进行物品的推荐。
6.混合推荐系统
多种推荐技术的混合使用。