推荐的一些想法

在读写网一篇评论推荐系统的文章中，提出了推荐系统中5个常见的问题，

1. 缺少数据，内容数据是一个推荐系统的基础，相当于人的身体，骨头，血，肉，怎么样有效地组织起内容数据，让它能够“健康”地得到利用，是推荐系统要做的第一步工作；但是没有灵魂的身体就是一个空躯壳，用户数据提供了推荐系统的灵魂，所以用户数据才是真正能够让推荐系统散发的魅力的关键。我使用豆瓣时，各个用户对我感兴趣的item的评论，以及我关注的用户他们感兴趣的item，这些推荐经常能给我带来惊喜。在我用各个推荐系统的过程中，正是用户堆积起来的知识让我受益匪浅。
2. 变化的数据，最近的研究工作已经说明了时间属性对推荐系统的影响，不管是变化的数据还是变化的用户喜好对item的推荐影响非常大。在学习语言的时候，经常出现一些新的流行语，如果推荐给大家一些常常冒出的新的表达方式，无疑会激起大家对语言的热爱。由于只是空闲时间关注推荐系统，不知道是否有人会做一个这样的语言推荐系统，供大家玩转。
3. 变化的用户喜好，随着时间的推移，用户对同一部电影，同一首歌曲，同一件事情的看法均会改变，但这种改变一般是一个较长时间段才会发生的质变，这个时间可能以月为单位，可能以年为单位。变化的用户喜好另一种情况是用户对不同item的兴趣转移，可能我今天是为某个朋友买份生日礼物而找到海贼王的卡通坐垫，而过几天想要看看村上春树的《世界尽头与冷酷仙境》而查看这本书的信息。
4. 无法预测的事物，用户对某些item的评价可能呈两个极端，我觉得决战刹马镇是今年国内最好的电影，但是可能有些用户觉得这是部烂片；有些用户的两个兴趣可能千差万别，或者对两个很极端的音乐类型都很喜欢，可能推荐系统很难协调好这种情况。记得我有次在淘宝上买了瓶祛痘的药水，以后登录淘宝的一个月它都推荐给我各种各样的女性产品，让我很郁闷，难道不能通过性别属性将某些推荐给我的产品权重降低么？
5. 推荐系统是复杂的，因为人的需求是复杂的，如何满足各类人的不同需求这是impossible mission。所以通常都是针对某类需求构建一个推荐系统，每类推荐系统的领域不同，应用的算法，数据的特性，参数的设置均不同。例如新闻的推荐和流行商品的推荐对热门流行的需求就不同，这点在google使用的新闻推荐算法在amazon的商品推荐上未取得足够的效果说明了问题。

有空看看Personalized News Recommendation Based on Click Behavior、Google News Personalization: Scalable Online Collaborative Filtering、Who is Talking about What: Social Map-based Recommendation for Content-Centric Social Websites和Personalized Recommendation on Dynamic Content Using Predictive Bilinear Models，都是谈新闻推荐的文章，前两篇来自google的成果，用简洁的方法取得较好的效果，主要是将聚类方法和item的关联性组合应用。第四篇来自yahoo的成果，讨论了新用户的新闻推荐问题；第三篇是IBM研究院的成果，讨论了看相应内容的用户也希望知道是具有哪些特征的人，在关注相同的内容。

 

文章是在看完

《推荐系统五大问题》和《浅析新闻推荐及个性化推荐的领域相关性》后的一点总结。