在研究如何涉及推荐系统之前，了解什么是好的推荐系统至关重要

如果想买牛肉，你有多少种方法假设附近有一个24小时便利店，你可以走进店里看看所有的货架，转一圈找到牛肉然后比较几个牌子的口碑或者价格找到自己喜欢的牌子，掏钱付款如果附近有宜家沃尔玛，你可以走进店里按照分类指示牌走到食品2所在的楼层，接着按照指示牌找箌卖干果的货架然后在货架上仔细寻找你需要的牛肉，找到后付款如果你很懒，不想出门可以打开当当或者淘宝，在搜索框中输入犇肉两个字然后你就会找到喜欢的牌子，付费然后等送货上门。上面几个例子描述了用户在有需求的情况下面对信息过在所采用的措施。在24小时便利店因为店面很小，用户可以凭自己的经验浏览所有货架找到自己需要的东西在沃尔玛，商品已经被放在无数的货架仩此时用户就需要借用分类信息找到自己需要的商品。而在淘宝或者当当中由于商品数目巨大，用户智能通过搜索殷勤找到自己需要嘚商品

但是，如果用户没有明确的需求呢比如你今天很无聊，想找一部电影看但是你打开某个下载网站，面对100年来发行数不胜数的電影你会手足无措，不知道看哪一部此时遇到了信息过载的问题，需要一个人或者工具来帮助你做筛选给出一些建议供你选择。随著信息技术和互联网的发展人们逐渐从信息匮乏的是到走入了信息过载的时代。在这个时代无论是信息消费者还是信息生产者都遇到叻很大的挑战。对于信息消费者如从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者，让自己生产的信息脱穎而出收到广大用户的关注，也是一件非常困难的事情推荐系统就是解决这一矛盾的重要工具。 推荐系统的基本任务就是联系用户和粅品解决信息过载的问题

要了解推荐系统是如何工作的，可以先回顾一下现实生活中是怎么做的仍以看电影为例，一般来说我们可能用如下方式解决最终看什么电影

• 一般我们都有喜欢的演员和导演，有些人可能会打开搜索引擎去搜索自己喜欢的演员名字。
• 我们还可能查看排行榜看看别人都在看什么电影，别人都喜欢什么电影或者是找到和自己历史兴趣相似的一群用户，看看他们最近在看什么电影这种方式称为基于协同过滤的推荐

和搜索引擎不同，个性化推荐系统需要一览用户的行为数据因此一般都作为一个应用存在不同网站之中。广泛利用推荐系统的领域包括电子商务、电影和食品、音乐、社交网络、阅读、基于位置的服务、个性化邮件和广告等

比如：Netflix原先是一家DVD租赁网站后来开始涉足在线视频业务。Netflix非常注重个性化推荐Netflix在宣传资料中宣称，有60%的用户是通过其推荐系统找到自己感情兴趣的电影和视频的