1、推荐系统的意义
Internet的迅速发展，为信息量的惊人膨胀提供了的土壤。电子商务系统中的信息“超载”现象越来越严重，面对商品信息的“海洋”，消费者很难快速有效地挑选出他所需要的商品。在准确识别客户消费偏好的基础上，电子商务推荐系统可以向客户提供商品信息和建议，模拟销售人员帮助客户完成购买过程，从而使客户避免信息“超载”所带来的麻烦 。电子商务中的推荐系统是利用数据挖掘等技术，分析访问者在电子商务网站的访问行为，产生能帮助访问顾客访问感兴趣的产品信息的推荐结果，引导顾客的购买行为，从而产生可观的利润。
电子商务推荐系统的意义具体表现在：
- 增加网站的访问量，提升销售额
- 增加单个商品被访问的机会
- 增加顾客在网店上的停留时间，浏览更多的商品
- 帮助顾客发现他真正感兴趣的商品，提升购物体验
- 将电子商务网站的浏览者转变为购买者
- 提高电子商务网站的交叉销售能力
- 提高客户对电子商务网站的忠诚度
- 优化电子商务网站
2、推荐系统分类
- 基于内容过滤（Content-Based filtering ）
基于内容过滤的推荐系统通过比较项(商品)之间的相似性而不是用户之间的相似性实现推荐功能。其忽略用户的购买行为,它只考虑商品和商品之间的相似关系
优点：简单，有效;建模和商品间的相似性度量可以脱机进行,因而推荐响应时间快
缺点：难以区分商品信息的品质和风格,而且不能为用户发现新的感兴趣的商品,只能发现和用户已有兴趣相似的商品
- 基于协同过滤（ Collaborative filtering ）
基于协同过滤技术的电子商务推荐系统并不分析商品之间的相似性,而是学习目标用户和历史用户之间购买行为的相似性,而不依赖商品的特征，从而根据相似历史用户的购买行为生成推荐结果
优点:能为用户发现新的感兴趣的商品;不需要考虑商品的特征,任何形式的商品都可以推荐
缺点:用户对商品的评价矩阵非常稀疏(即稀疏性问题);随着系统用户和商品的增多,系统的性能会越来越低(即可扩展性问题);如果从来没有用户对某一商品加以评价,则这个商品就不可能被推荐(即最初评价问题)"
基于协同过滤的推荐系统又分为：
Item-Based（Item-to-Item Correlation）：推荐系统根据客户感兴趣的产品推荐相关的产品
User-Based（People-to-People Correlation）：推荐系统根据客户与其他已经购买了商品的客户之间的相关性进行推荐
- 混和型（ Hybrid Recommendation ）
由于基于协同过滤和基于内容过滤这两种技术都有它们本身的优缺点,在实际应用中,一些推荐系统就结合使用这两种技术,尽量利用它们的优点而避免其缺点,提高推荐系统的性能和推荐质量“比如,为了克服协同过滤的稀疏性问题,可以利用用户浏览过的商品预期用户对其他商品的评价,这样可以增加商品评价的密度,利用这些评价再进行协同过滤,从而提高协同过滤的性能
关于电子商务推荐系统基础更多内容参考slideshare上共享的ppt
转载请注明：出家如初,成佛有余 » 电子商务推荐系统入门基础
