港真，自己一直非常希望做算法工程师，所以自己现在开始对现在常用的大数据算法进行不断地学习，今天了解到的算法，就是我们生活中无处不在的推荐系统算法。

　　其实，向别人推荐商品是一个很常见的现象，比如我用了一个好的商品，向朋友安利之类的。在以前广告系统不发达的时候，我们也是靠口口相传来进行商品的推广。那么为什么，现在推荐系统变的非常重要了呢？，在以前，我们的商品不像现在的物品一样琳琅满目，我们有时间，可以把商品都浏览一遍在进行选择，因为我们都想选择所有商品中最好的，而现在，由于资源的众多，我们不会用大把时间把所有的商品都看一遍，这就需要系统向我们推荐一些我们正在寻找的东西，比如网易云音乐的每日歌曲推荐，淘宝的商品推荐。其实这里的商品还包含信息，像今日头条向我们推荐优质的新闻，以及外国的News Digest,techmeme都致力于将新闻进行过滤，所以推荐系统无处不在。

　　好了，以上是引言，现在开始学习推荐系统：

　　目前的推荐系统分为基于内容的推荐系统和协同过滤模型，以及两种结合的方式，因为每种方法都有它的优势和劣势，所以在了解完每种算法后，我们进行归纳。

　　以下所说的商品包含信息，卖的商品等需要推荐的内容。

　　首先我们明确一下我们的所要分析的内容，一个是用户集，也就是我们要把商品推荐给的人，还有一个项目集，是我们要推荐的商品，还有一个效用矩阵，表明的是，部分用户对部分项目的评价，这个评价可以从用户在使用过商品直接评分（如买完商品的星级评分，看完电影的星级评分）来获得，或者用户使用一个商品的频率（如听音乐频繁播放一首歌）等等来学习获得，总之，这个效用矩阵就是来描述用户对商品的感受的。对于效用矩阵，我们提出一个效用函数的概念。即算出某用户对某商品的满意程度，据此我们可以构建效用矩阵。（可以理解为类似于用户没有给出具体评分，而我们可以根据他的使用习惯，来进行计算出的对商品的评分）。

　　所以我们现在要做的事情就是向用户推荐他没有用过，但是可能想用的东西。

　　首先我们来看看基于内容的推荐系统算法是怎么做的:

　　它基于这样的思想，举个例子，假设用户以前看80-90年代的，香港的，动作片，它就会根据用户的这个喜好，在项目集中找出符合这些特征的影片，推荐给用户，所以，大家有没有发现，这样的推荐系统需要对项目进行特征化操作，给每个项目找出其特点，也就是给每个项目打上标签，然后根据用户的喜好，来进行推荐，这就是基于内容推荐的大致思想。而这一方法的难点在于对项目进行特征化描述，举个例子，针对文本进行描述的话，我们还可以采用关键词，但是对于图片来说，计算机就显得相形见绌了，对于计算机来说，它只认识二进制，而我们对于图片内容的分析也比较困难。

　　在这里：我们举个例子来对文本进行特征化描述，假设我们有N个文档，来寻找每个文档的关键词。在这里我们采用关键词衡量指标：TF-IDF

　　TF就是每个词的词频，统计一篇文章的每个词的词频，找出频率较高的，再除以这篇文档除该词之外的最高频率的词，来作为该关键词在该文档的频率。之所以要除，是因为，我们的文档长度是不同的，我们希望消除不同长度文档所带来的频率差异，进而采用这种做法。

　　接下来说IDF：首先我们看IDF是如何计算的：IDF(关键词：i) = log(N/n(i));

　　别忘了N是所有文档的个数，我们看，当n(i)增大时IDF的值是减小的，这里的n(i)值得是关键词i所出现的文档数，在几个文档出现，就是几，那么这个IDF是干什么的呢，大家想想，比如 a the 这样的词，在每篇文档中出现的频率都很高，但这不是我们要找的关键词，但会对我们的统计产生影响，因此我们需要将这些词筛掉，这就是IDF存在的原因，如果有一个词他在每个文档都出现了，那它作为某个文档的关键词可能性就会下降。

　　通过那么关键词I的频率就可以表示为TF*IDF；这样我们就可以真对某文档建立一个向量。

  　当文档很长的时候，这个向量就会很庞大，这也是这个算法的局限性。其也有优点：那就是不依赖其他用户的评价，只依赖项目的特征，比如新到一批电影，该推荐方式就可以进行推荐，而不需要考虑其他用户对这些电影的评价，而采用协同过滤的话，由于这些影片是新来的，没有用户打分，所以较难进行推荐，还有就是基于内容推荐的项目特征较为集中。推荐的内容都较为相似，用户接受度高，但也影响了用户选择的多样性。

　　那么下篇文章我们来看一下协同过滤模型是如何处理的。

大数据算法->推荐系统常用算法之基于内容的推荐系统算法