第一章：好的推荐系统
1.1 什么是推荐系统？
推荐系统是在信息过载的背景下，将最适合用户的信息个性化分发给用户
信息少时：分类目录可满足
有明确目标时：搜索可解决
而在信息过载且无明确目标时：推荐可帮用户高效率筛选出自己想要的信息，并且帮助用户挖掘自己的喜好
寻找推荐建议的方法：1、社会化推荐（好友推荐，发帖）2、基于内容的推荐（如抖音给短视频打标签，给用户打标签） 3、协同过滤（找到跟你兴趣类似的人，他看了啥，就给你推啥）
1.2个性化推荐的应用
网易云音乐歌单 今日头条 抖音 美团 酷狗个性化推荐歌曲
1.2.1 电子商务（根据你买过的东西，推荐配套的或者可以对比的）
1.2.2 电影和视频
1.2.3 音乐
1.2.4 社交网络 类似拼多多的模式，好友之间扩散
1.2.5 个性化阅读，图书推荐
1.2.6 基于位置的服务 打开美团定位附近的美食
1.2.7 个性化邮件
1.2.8 个性化广告 精准广告，最优的是预见用户的需求
1.3 推荐系统评测
1.3.1 推荐系统实验方法：离线实验 用户调查 在线实验（AB实验）
1.3.2 评测指标：
用户满意度
预测准确度
覆盖率
马太效应：强者愈强，弱者愈弱
多样性
新颖性：用户喜欢的领域中没有了解过的
惊喜度：挖掘用户未知的喜爱的领域
信任度：透明化推荐，如酷狗显示出来是根据你听的那首歌所以给你退了这首歌；其次发挥社交力量
实时性 健壮性 商业目标
1.3.3 评测维度
