推荐系统的主要功能是基于已知的用户数据通过算法计算并给出用户可能感兴趣的信息/物品

原先都是以用户的身份接触推荐系统，所以在以PM的身份接到任务时自然是一头雾水。各种问题浮现在脑海：推荐系统是什么？能解决什么问题？如何构建？等等。

说实话，这些问题每一个都困扰了我许久。光是思考第一个问题就花了一个多月，回过头来看，整个项目周期中，大概70%的时间用于思考“是什么”的问题，剩下30%的时间是解决“怎么做”的问题（实际上整个项目中的应用系统除了推荐系统还有用户画像系统）。

当然最终的结果是乐观的。所以有意写下此文，一来是记录心得，二来是给有需要的朋友做实战分享，三来就是抛砖引玉，促进共同交流。因笔者在该行业中经验积累较为浅薄，疑虑和不妥之处还望赐教和指正。

二、推荐系统简述

1. 推荐系统是什么

从应用层面简而言之，推荐系统的主要功能是基于已知的用户数据通过算法计算并给出用户可能感兴趣的信息/物品。

2. 推荐系统诞生背景简述

随着知识的运用积累、科学技术的进步等，人类在近几百年来通过几次工业革命使得社会的生产力水平得到大幅提升。此外，从第二次世界大战结束后，人类社会加速迈入全面和平时代，全球各国的主基调以经济发展为核心主题，因而进一步加速了社会经济发展水平。

在此基础上，我们从一个生产力水平相对低下、生活物品匮乏的年代逐渐向物质水平充足、信息爆炸再过渡到当下的商品过剩、信息过载的年代。可以预见的是在未来人们在同一决策下将面临越来越多的选择。

在此背景下，消费者（用户）在面临大量的信息或者物品时可能无法真正从中获得自己期望或有用的信息或商品。与此同时，生产者的困扰在于如何让自己的信息/商品呈现给更多用户，如何在海量的信息/商品中脱颖而出。

而推荐系统正是解决这一矛盾重要工具。尤其是在平台经济模式下，推荐系统的应用最为广泛，其中较为典型并具有良好的发展和应用前景的领域包括电子商务领域、电影/视频、音乐、阅读等。

本文主要以项目中涉及的领域【电影/视频】领域为出发点进行展开。

三、从0到1构建推荐系统

1. 推荐系统的核心功能

推荐系统的核心功能就是为用户推荐其可能感兴趣的商品。大致的过程可以简述为：推荐系统依据已知的用户数据，经过推荐引擎（推荐算法）计算，并给出用户可能感兴趣的商品集合，最终再通过前端界面的方式将特定的商品呈现在用户眼前。

比如：已知用户的观影数据，此时可通过推荐算法得知用户是一名喜剧电影爱好者，于是便可以向用户推荐喜剧电影题材的视频内容。

此外，这里需要重点说明的是，如何判断用户是否感兴趣的主要依据来源于已知的用户数据。本质上是基于数据统计推断。所以这里描述的是可能感兴趣。这一点很重要。而说到用户数据，这里需要提一下方便后续的理解和扩展，用户数据的主要类型：

1. 用户基本属性：这里主要是用户地理信息，用户社会属性数据（性别、年龄等）等。
2. 用户行为数据：这里主要是用户的观影数据（点击、播放、收藏、订购）等。当然，考虑到人类行为动力学特征研究结果（大多数情况下，人对一件事情的关注只能持续较短的时间），在此还需要做拆分，即历史行为数据和实时行为数据。比较典型的实时推荐：某宝购物在线输入关键字搜索后退出，此时再次进入app则可能会看到与搜索关键字相关的物品。

下图为推荐系统基本功能和简要的过程：