Table of Contents
1、协同过滤
概念
如何协同过滤，来对用户A进行电影推荐？
2、内容推荐
概念
如何通过基于内容的推荐，来对求职者A进行职位推荐？
3、相似性推荐
概念
在给新用户推荐电影的场景中，相似性推荐算法是如何工作的？
4、关联规则推荐
概念
如何给买啤酒的人推荐其他的食品？
5、个性化推荐
概念
快车司机接的单子越多，平台返的优惠卷越少
参考
1、协同过滤 概念
采用最近邻技术，利用用户的历史喜好信息计算用户之间的距离，然后利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，从而根据这一喜好程度来对目标用户进行推荐。
为一用户找到他真正感兴趣的内容的好方法是首先找到与此用户有相似兴趣的其他用户；然后将他们感兴趣的内容推荐给此用户。其基本思想非常易于理解，在日常生活中，人们往往会利用sdzx的推荐来进行一些选择。基于协同过滤的推荐算法正是把这一思想运用到电子商务推荐系统中来，基于其他用户对某一内容的评价来向目标用户进行推荐。
如何协同过滤，来对用户A进行电影推荐？答：
找到用户A（user_id=1）的兴趣爱好找到与用户A（user_id=1）具有相同电影兴趣爱好的用户群体集合 Set<user_id>找到该群体喜欢的电影集合 Set<movie_id>将这些电影 Set<Movie_id>推荐给用户A(user_id=1)2、内容推荐 概念
在基于内容的推荐系统中，项目或对象是通过相关特征的属性来定义的，系统基于用户评价对象的特征、学习用户的兴趣，考察用户资料与待预测项目的匹配程度。用户的资料模型取决于所用的学习方法，常用的有决策树、神经网络和基于向量的表示方法等。基于内容的用户资料需要有用户的历史数据，用户资料模型可能随着用户的偏好改变而发生变化。
基于内容的推荐算法的优势在于：对用户兴趣可以很好的建模，并且可以通过对物品维度属性的增加提高了推荐精度。不足之处：建模数据不够多的时候，难以获得更准确的数据；物品属性有限，难以获得更多的数据；物品相似度的衡量标准只考虑到了物品本身，有一定的片面性。
如何通过基于内容的推荐，来对求职者A进行职位推荐？答：
找到用户A感兴趣的职位集合找到职位集合的具体化内容将内容中的共性列出来根据共性内容查找符合条件的职位，推送给用户A3、相似性推荐 概念
对于新的用户 A，没有他的数据，在他点击了item1 之后，将 item1 相似的数据推荐给新用户A。
在给新用户推荐电影的场景中，相似性推荐算法是如何工作的？答：
新用户A 看了一个导演A导演的由演员B、C、D演的电影1根据导演和演员获取其他电影将电影推荐给新用户4、关联规则推荐 概念
关联规则就是在一个交易数据库中统计购买了商品集X的交易中有多大比例的交易同时购买了商品集Y，其直观的意义就是用户在购买某些商品的时候有多大倾向去购买另外一些商品。比如购买牛奶的同时很多人会购买面包。
如何给买啤酒的人推荐其他的食品？答：
从全量的订单交易信息中找到买啤酒的人还都买了其他什么东西在这些东西中，找出被买次数的 topn将 topn 推给其他买啤酒的人5、个性化推荐 概念
为了提高内容产品的消费的转化而进行的基于用于自身特点的推荐，希望经过推荐提高内容的消费转化率，让用户用的开心，内容也得到最大程度的利用。
快车司机接的单子越多，平台返的优惠卷越少 新注册的司机，返现卷加油卷等是赔着钱的给司机返跑了100单，加油卷没了，只有返现卷跑了1000单，返现卷也没了5000单，司机赚的钱趋于平稳参考 http://mp.weixin.qq.com/s?__biz=MjM5ODYxMDA5OQ==&mid=2651961068&idx=1&sn=d271a2aa035b87eede2cbedb6f147087&chksm=bd2d03308a5a8a269ec3c50e478e54266f3d6b3c6cbac83fa48da335406eca2aef1e013ea21f&mpshare=1&scene=24&srcid=1030Vm1PEOMtC26zlAwDu9cL&sharer_sharetime=1572406142998&sharer_shareid=d9aa5cc2173da0b6e7986bcb8eaa57fd#rdhttps://baike.baidu.com/item/%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95/6560536?fr=aladdin