1.推荐介绍

用户在某个场景下对某个商品或信息产生了某种行为，系统会对另一些商品或信息进行推荐。

2.推荐要素

1. 用户-user
2. 场景-scene
3. 商品或信息-item
4. 行为-action
5. 系统-recommendation-system
6. 推荐结果集合-recommendation-result / item-set

3.推荐概述

• user-info：uid
• scene-info：entry、local、cateid
• item-info：jid
• action：post
• item-set：set

3.常用推荐方法

协同过滤-CF

• 协同过滤：collaborative filtering Recommendation
• 原理：用户的相似喜好进行推荐
• 举例：商家下载简历的推荐

	jid1	jid2	jid3	jid4	jid5	…	jid1000W
user1	yes	yes	yes			…
user2	yes	yes	yes	yes		…
user3					yes	…
user4		yes		yes		…

内容推荐

• 内容推荐：content-based Recommendation
• 原理：抽取共有属性
• 举例：商家下载简历的推荐

步骤：

1. 历史行为收集
2. id详情查询
3. 共性内容挖掘（场景）
4. 推荐

注：
历史行为
jid1，download
jid2，download
zid1，post

详情
jid1（司机，北京，8000月薪，5年经验，NULL）
jid2（司机，北京，NULL，2年经验，硕士研究生）
zid1（司机，北京，NULL，3年经验，NULL）

共性
（司机，北京，NULL，2年经验，NULL）