本篇文章给大家谈谈推荐系统，以及推荐系统可以用于哪些应用对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
推荐系统的理解
推荐系统就是把“正确”的内容推送到“正确”的人上。具体是指在特定“场景”下，将“信息”（包括图片、视频等内容）根据“人的兴趣”（兴趣在一点可以通过这个人的在页面上的点击习惯、页面浏览的时长、点赞、收藏等用户的行为数据）推送给到人。将人找信息的思路转化成信息找人的思路。
推荐是基于用户的行为数据进行数据挖掘后的呈现的结果。没有数据，就不会产生有价值的挖掘。数据包含：足够多的用户量、足够多的行为数据，足够多的内容。
推荐的目标：提高正向的反馈，减少负向的反馈，提升使用的时长，增加用户的粘性。
算法核心：给用户推荐那些和该用户相似的用户所喜欢的内容。
如下图，用户A和用户B都喜欢视频a,视频b和视频d,则认为用户A和用户B是相似用户，会把用户B喜欢的视频c推荐给用户A。
算法核心：给用户推荐那些和他们喜欢的内容相似的内容。
如下图，视频a和视频b都被用户B、用户C和用户D喜欢，那么判断视频a和视频b相似，如果用户A喜欢视频a，则会把和视频a相似的视频b推荐给到用户A。
经过 召回-粗排-精排-重排，最后得到对于每一个用户来讲，一个已经打好最终预估分的列表[内容，得分]，用户在启动 *** 时，客户端向服务端发出请求，服务端调用推荐算法接口，按照预估分降序排名的顺序，把内容推荐给用户
参考文章：
链接：
什么是深度学习推荐系统？
蓝海大脑深度学习液冷服务器研究人员表示：
推荐系统是一种人工智能或人工智能算法，通常与机器学习相关，使用大数据向消费者建议或推荐其他产品。这些推荐可以基于各种标准，包括过去的购买、维稳搜索历史记录、人口统计信息和其他因素。推荐系统非常有用，因为它们可以帮助用户了解自己无法自行找到的产品和服务。
推荐系统经过训练，可使用收集的交互数据了解用户和产品偏好、之前的决策和特征。其中包括展示、点击、喜欢和购买。推荐系统由于能够高度个性化地预测消费者兴趣和需求，因此受到内容和产品提供商的喜爱。从书籍、视频、健康课程到服装，它们都可以促使消费者选择其感兴趣的任何产品或服务。
推荐系统有什么危害？
这是一个非常好的问题，在当前很多大型互联网平台都在纷纷使用推荐系统的大背景下，了解推荐系统的优缺点也是有必要的，普通人在了解推荐系统的过程中，也可以根据自身的需要来“训练”推荐系统，以便于让推荐系统更好地运转。
说到推荐系统的定义，很多人在不同的角度会给出不同的定义（认知），总的来说，推荐系统是为用户来进行信息 *** 的，或者说为用户在海量信息当中找出“潜在的”价值含量比较高的信息。从这个角度来看，推荐系统的意义是非常积极的，在当前的互联网、大数据时代，推荐系统的作用也会越来越明显。
推荐系统既然有好处，也自然会有一些负面作用，而这些负面作用体现在以下几个方面：
第一：利用推荐系统“杀熟”。推荐系统本身是比如容易了解用户的信息需求动向的，根据用户的网络流量数据，推荐系统也能够掌握用户的很多习惯，以及一些需求方面的细微变化，如果推荐系统根据这些用户的信息进行“杀熟”，本身还是比较容易实现的，这也可以看成是推荐系统一个比较大的潜在风险。
第二：为用户构建认知“壁垒”。推荐系统在某种程度上改变了用户获取信息的方式，很多本来有机会出现在用户视野当中的信息，很有可能会被推荐系统过滤掉，这实际上也会为用户构建起一个 *** 的“信息壁垒”，对于用户来说，推荐系统就像给用户“吃糖丸”一样，用户得到的永远是用户喜欢的信息，而不一定就是用户真正需要的信息。而要想打破这个壁垒，一种比较有效的方式就是通过自己的搜索行为来影响推荐系统。
第三：过度商业化。在很多商业互联网平台上，推荐系统必然会有商业化用途，这是无可厚非的，也是推荐系统被开发的早期诉求之一，但是过度的商业化也会为用户带来一定的反感，甚至会影响用户的使用体验。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！
推荐算法总体上有两大分类。
一、自动推荐算法。用户什么都不用操作，完全自动获取推荐信息。这一类算法，总体上是根据用户的 历史 浏览记录来判断推荐什么样的信息，最大的特点是获取用户的潜在偏好，推荐用户喜欢的信息，这类算法和那些不用这种算法的竞争对手来说，用户看到和自己偏好相同的内容比较多，用户使用期间分泌的多巴胺就越多，用户留存率就高。
二、用户手工指定感兴趣的内容。比如说用户不喜欢 *** 八卦的内容，可以完全屏蔽掉。用户喜欢 体育 ，可以关注 体育 频道的内容，喜欢 财经 ，关注 财经 。这类的特点是给所有的资讯都打上标签，用户知道哪些内容自己根本都不会去看，哪些内容会比较感兴趣，他知道屏蔽掉了哪些信息，推荐了哪些信息，明确的告知了算法自己的偏好，而不是算法挖掘自己的兴趣偏好。
用户的兴趣偏好的加深是否受推荐算法的影响？答案是肯定的，人都有天然的从众模仿特性，如果他是一个有点偏XX主义的用户，当他在大量文章中选看了几篇XX主义的文章之后，第一类自动推荐算法就挖掘出他的偏好，下一步的推送内容就会加大XX主义文章的所占比例，当他看到XX主义占比比较大时，会误认为XX主义的人数比较多，会进一步加深XX主义的偏好，而实际XX主义只是非常的小众，造成了他对现实 社会 的判断失误，影响了他的认知。
我反对第一类推荐算法，无论是用户购物还是资讯，挖掘用户的潜在偏好并进一步加深，影响用户的认知，都是不应该的。对于第二类算法，任何的推荐都有用户明确的指出来，是可取的。
推荐系统的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于推荐系统可以用于哪些应用、推荐系统的信息别忘了在本站进行查找喔。
