算法与推荐

一常见推荐策略及在ota上的应用‌‌一推荐系统‌‌

推荐系统是一种信息过滤系统，用于预测用户对物品的评分或偏好，‌‌个性化推荐的应用广泛，‌‌非电商，‌‌黑美人，淘宝，京东电影和视频，youtube，爱奇艺，腾讯视频，个性化音乐，stop， sign网易云音乐，QQ音乐‌‌新闻，今日头条，腾讯新闻‌‌

推荐系统通过不同的策略建立用户和物品的关系，从而将用户可能感兴趣的物品展示给用户‌‌策略，

一，基于物品的协同过滤，目前应用最多该策略的主要思路，给用户推荐那些和他们之间喜欢的物品相似的物品，‌‌因为是基于用户的历史行为，所以能够给推荐结果提供推荐理由，‌.

该策略主要分成两部，‌‌一基于全站用户的行为来计算物品间的相似度。‌‌二找到与用户历史偏好的相似物品案，‌‌相似度排序，推荐给用户‌‌策略，

二，基于用户的协同过滤，基于用户的协同过滤，是推荐系统中最古老的算法，‌‌该策略的主要思路给用户推荐，那些和该应用该用户相似即喜欢，但该用户未购买的物品，‌‌因为是基于相似，用户很难提供‌‌令用户幸福的推荐理由，‌‌

该策略主要分成三部，‌‌一，基于全站用户的行为来计算用户间的相似度，‌‌二找到与目标用户相似度的用户级，‌‌

三，过滤掉相似用户级的偏好产品集中目标，已经购买的产品，将剩下的产品推荐给用户。‌‌策略基于用户标签，数据人群或物品的特征，‌‌策略思路，‌‌给用户推荐和该用户兴趣相匹配的物品，该策略分成三部，‌‌

一，基于用户的行为，计算出用户的兴趣点，‌‌而找到与用户兴趣匹配的物品，按照匹配度排序推荐给用户。‌‌依赖用户对产品的搜索浏览和订单行为来计算一个产品的相似度，‌‌而基于用户最近浏览的产品，找到相似的产品，作为推荐产品及‌‌

三。‌‌同时补充一些热门产品，作为推荐产品及。‌