阅读resyschina推荐引擎文章感受二

11.推荐引擎需要有反馈机制，最简单是CTR，如果有YES/NO的反馈更好
12.了解用户关注那些主题哪些人，打开哪些链接，转过什么内容来了解用户兴趣
13.item CF的优点，可以基于用户的每一次行为进行推荐，比如网页/视频，可以推荐相关的，而user CF更多的是首页推荐，第二个优点，可解释性强。 容易导致多样性不足，而user CF主要是基于用户喜好，而用户喜好是多样的，多样性会好一点
14.推荐 相关性VS 人气(热门) 都重要，在搜索中，相关性指的 结果和query之间的关系，而推荐中则是 item与用户兴趣/爱好之间的关系，人气之前值得是item本身，而目前则是社交网络中 影响力。 一般基于相关性获取内容源，然后基于相关性以及人气进行相关过滤和排序
15.评测方法，离线的数据评测，或者线上的click
16.推荐系统技术上的问题，1.冷启动， 数据稀少时噪声多 2.数据规模大时，推荐越来越平庸，面对不同特性的数据集，需要花时间调参数
17.推荐系统应该能自我启动，同时能够成长和进化，具备学习功能
18.推荐系统本身很难成为一个平台，但是一定是各类平台的标配
19.一个产品成为平台，最关键是的back-end，数据在手中,元数据meta-data在手中，用户给类行为数据
20.推荐系统依赖于数据，并且上下文context信息很重要，比如jinni.com电影推荐，考虑电影基调，电影情节 ，电影类型，电影发生时间，发生地点等，等结果影响大