本文转载自微信公众号《大数据DT》，作者刘强。转载本文请联系大数据DT公众号。01基于内容的推荐推荐系统通过技术手段将主题与人联系起来。题材包含很多属性，用户会通过与题材的交互产生行为日志。通过这些行为日志，可以衡量用户对主题的偏好。标签（将主题的属性赋予喜欢它的用户，让用户拥有这个标签），通过这些偏好标签为用户做推荐，是一种基于内容的推荐算法。以视频推荐为例。视频包含标题、国家/地区、年份、演员表和标签等信息。如果用户之前看过某种类型的视频，就说明用户对这些视频感兴趣。例如，用户更喜欢恐怖片和科幻片。电影偏好被标记为恐怖和科幻，我们可以根据这些兴趣特征向用户推荐恐怖和科幻电影。02协同过滤用户在产品上的交互行为已经为用户留下了印记，我们可以利用“喜欢群聚，人分群”的简单思路，为用户提供个性化推荐。具体来说，“分人群”就是找到与用户有相同兴趣（有相似行为）的用户，将这些有相同兴趣的用户浏览的对象推荐给用户。这是一种基于用户的协同过滤算法。“物以类聚”是指如果多个用户对某两个对象的偏好相似，则说明这两个对象是“相似的”。我们可以推荐与用户喜欢的对象相似的对象。为用户提供个性化推荐，这是一种基于项目的协同过滤推荐算法。图1-2简要说明了这两种类型的协同过滤算法。▲图1-2两种协同过滤推荐算法03基于模型的推荐一般而言，算法模型可以根据用户行为记录、用户相关信息（年龄、性别、地域、消费习惯等）和目标相关信息。预测用户对物品的偏好，常用的算法有逻辑回归、矩阵分解、分解机等。随着深度学习技术的发展，很多与深度学习相关的算法都被应用到推荐系统中，并取得了很好的效果.04基于社会关系的推荐在日常生活中，我们经常会为别人推荐书籍、餐厅、电影等，或者请别人推荐我们。这种推荐方式往往更有效，也更容易被大家接受。微信“在看”模块中的“在看”是通??过向您展示您的微信好友看过的文章来向您推荐。张小龙在2019年微信8周年微信公开课上说，“看”比“看”模块里的“精选”好多了，“精选”是通过算法实现的推荐。在这些推荐算法中，基于内容的推荐和协同过滤推荐是最古老、最常用的推荐算法，实现起来比较简单，效果也不错，在业界得到了广泛的应用。作者简介：刘强，硕士，2009年毕业于中国科学技术大学数学系。拥有12年大数据和推荐系统实践经验，精通企业级系统建设推荐系统。从零到一，我们为拥有千万级DAU的视频类APP搭建了推荐系统。推荐系统产生的流量占APP总流量的30%。近3年为多家中小型互联网公司（流媒体、在线教育、跨境电商等）提供技术咨询，帮助他们从零到一搭建推荐系统。本文节选自《构建企业级推荐系统》，经发布者授权发布。
