推荐算法（1）

大学毕业后，进公司前理解的产品是有想法有创意，搞个原型实现它。进公司后，状态一直是，老大给任务，我完成。

第一次鼓捣的是推荐类的产品。

当时并不知道做的是推荐算法，或者说，根本就不知道什么是推荐算法。纯粹瞎胡闹。

因为数据已经被人工处理过，因此在推荐并不需要做太多的计算，就可以得到比较好的准确率和覆盖率。

基础数据为A，推荐物品为B。B关联了一定量的A，即它们本身就存在关联了。要实现的功能是：用户选择了一些基础数据A，如a1、a2、a3等，根据这个组合为用户推荐一些物品B，如b1，b2，b3，降序排列。

算法 1.0 是这样的。

利用基础数据A在物品B下的排列顺序，不同顺序给予不同的数值。用户选择的基础数据A，映射不同的物品B；在不同的物品B中，基础数据A的数值（顺序）是不同的。相加取均值。

1.0 是小学生等级。也有考虑到用户个人信息、物品B的季节性、地域性和流行度的附加信息，但，影响不大。

后来的算法 2.0 ，深刻地意识到，单个命中和多个命中的结果不应该是线性的，而是有弧度的。于是加入了对数，代替原来固定的数值设定。数值根据命中数的增加而有坡度的增加，命中数越大，坡越陡。即原来是直线，升级后，变成了曲线。

就这么着，在查找资料的过程中，知道了推荐算法。就这么着，找工作的时候，面试的人看中了这方面的能力，给招了。不过没关系，我也挺喜欢的。但如果不让我做别的产品工作，恐怕是不行的，画原型是一种乐趣，谁都不能剥夺我的。

不过，推荐算法，蛮复杂的。