需求个性化推荐原因

为什么要研究个性化推荐
1) 从行业趋势来看。信息大爆炸使得信息极大丰富，传统获取信息的手段已经不能很好地解决这种环境下的信息获取需求，推荐和个性化技术，作为解决信息爆炸问题的一个方法，取得了不错的效果。在业内的各个公司的应用也越来越多，这反过来也促进了大家对推荐的热情。

2) 从技术本身来看。推荐涉及到的技术深度、复杂度往往也是计算机科学最前沿的。例如：推荐系统要处理的数据规模往往高达PB（Petabeta，1PB=1024TB），而实时性要求则要求到秒级别，这对于架构和算法都是非常高的挑战。

3) 推荐是系统和人的互动，推荐首先需要更好地理解人这是一个互联网更加智能化的发展方向，系统的智慧会越来越高级，这本身是非常有吸引力的方向。


推荐算法感悟
1) 没有最好的算法，只有合适的算法。推荐算法和产品需求、应用场景、数据密切相关，不要相信有什么包打天下的算法；
2) 数据是基础：数据充足而且质量高，简单算法也可以有不错的效果；反之，则多好的算法也不可能有好的效果；
3) 木桶效应：算法策略要和用户需求、功能展现密切配合；（注：木桶原理又称短板理论，其核心内容为“一只木桶盛水的多少，并不取决于桶壁上最高的那块木块，而恰恰取决于桶壁上最短的那块。”）
4) 推荐算法都需要考虑是否能处理大数据，是否能 大规模并行化。