1 推荐系统的功能是什么？
推荐系统是一种帮助用户快速发现有用信息的工具。通过分析用户的历史行为，研究用户偏好，对用户兴趣建模，从而主动给用户推荐能够满足他们感兴趣的信息。本质上，推荐系统是解决用户额外信息获取的问题。在海量冗余信息的情况下，用户容易迷失目标，推荐系统主动筛选信息，将基础数据与算法模型进行结合，帮助其确定目标，最终达到智能化推荐。
2 讨论推荐系统的结构组成。
推荐系统有三个重要的模块，包括输入模块、推荐算法模块、推荐输出模块。推荐系统首先通过分析用户行为数据，建立用户偏好模型。然后使用用户兴趣匹配物品的特征信息，再通过推荐算法进行筛选过滤，找到用户可能感兴趣的推荐对象，最终推荐给用户。上述过程经过训练和验证最终形成推荐模型，可用于在线或离线推荐。同时推荐结果在用户端的响应也作为输入数据，用于模型的迭代优化。
3 推荐系统常用于哪些领域？举例说明。
推荐系统可用于电商平台、个性化电影网站、音乐歌单、社交网络、新闻网站、个性化阅读、个性化广告等。电商平台中的“猜你喜欢”、“购买此商品的用户也购买了”等；电影网站、音乐歌单中的电影推荐、音乐推荐；社交网络中的好友推荐、资讯内容推荐；新闻网站中的个性化资讯的获取；个性化阅读中为用户定制的感兴趣的个性化内容；为特定用户展示的特定广告都属于推荐系统的应用。
4 推荐系统常用的方法有哪些？这些方法分别适用什么场合？
基于人口统计学的推荐，在不同的物品领域都可以使用，具有领域独立性；基于内容的推荐，这种方法适用于物品特征易于提取的场合；基于协同过滤的推荐，这种方法要在能够获取到用户历史行为的场合下应用；基于关联规则的推荐，常用于实体商店或在线电商的推荐系统；基于知识的推荐，主要用于知识型的产品中；基于约束的推荐，通常被用于为那些不经常被购买的产品领域构建推荐系统；基于标签的推荐，应用在有描述信息的关键词产生和应用的场合中。
5 基于内容推荐的基本思想是什么？
基于内容推荐是基本思想是根据物品的属性和用户的特殊偏好，直观的选择可推荐物品。比如，《哈利.波特》是一本科幻小说；用户爱丽丝很喜欢科幻小说，系统就会直接推荐一本新出版的《哈利.波特》给爱丽丝。
6 什么是冷启动问题？如何解决？
冷启动是用户数据较少、用户行为较少的问题，主要分三类：系统冷启动、物品冷启动、用户冷启动。系统冷启动可以先建立起物品的相关度，通过某一物品可以检索到与之相似的其他物品，用户表现出对物品感兴趣后推荐与之相似的其他物品。新上线的物品可以利用物品内容相似性，推荐给喜欢类似物品的用户。用户冷启动提供非个性化推荐，比如热门排行。或者利用用户注册信息以及用户的社交网络账号。
7 推荐系统的性能如何评价？
通过用户调查、离线实验、在线实验这些实验方法来评价，主要评价用户满意度、预测准确度、覆盖率、多样性、新颖性、惊喜度、信任度、实时性、健壮性这些指标。