在公司看到一些牛人的分享，了解到个性化推荐技术的魅力，直觉上对这个领域很有兴趣，于是乎看了很多资料，整理一下目前的思路。
一、为什么会有这档子事
1. 我们处在一个信息爆炸的年代，过量的信息吞噬了太多的时间，使我们的工作变得越来越没有效率，需要一个系统来对信息进行过滤。
2.越来越多的情况下你在网上逛并不知道自己想要什么，如果这个时候有个系统在合适的时候推荐了合适的东西给你，绝对是一件双赢的事情。
二、个性化推荐做了什么
典型的个性化推荐系统解决的是这样一个问题，就是根据用户的行为习惯、偏好、特征等维度来向用户推荐一些他还未接触过的商品、好友等等可能感兴趣的东西，其实说到底是机器学习里一个predict的概念，但是在目前的互联网海量数据环境下，这种predict可能会有一些新问题。
个性化推荐可以粗略划分为两个大的方向，一是基于内容的推荐，大多存在于电子商务网站；另一种是基于社交关系的推荐，也就是常说的所谓协同过滤了。
三、如何构建一个个性化推荐系统
目前接触的是一个SNS项目，据上面分析想构建recommend需要从协同过滤算法入手，那么协同过滤又是怎么回事？百度知道上是这么写的：
协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。
在《collective inteligence》这本书的第一章有对该算法的实例描述，其核心是用户的相似度计算，这种计算可以采用多种方法，如计算欧式距离、皮尔逊相关系数等
对计算结果列表进行统计就能找出一个用户的相似用户有哪些，那么根据这些同趣用户对一些产品的打分评价情况就能由系统判断出当前用户可能有哪些偏好。
这个过程比较关键的是用户对于产品评价的质量与总体数量，评价质量不高或者总体评价数量不多都会给推荐系统造成巨大影响，那么相应的设计方案里就应该有同趣用户的过滤策略，在这个设计过程中已经不是完全的技术问题，涉及到的可能是SNS社区如何引导用户去做自我描述，对于一个产品你想让用户从什么角度评价，从而最大限度的提高过滤算法的准确度，所以在社会化推荐有种说法叫“三分技术，七分运营与产品设计”也是不无道理的。
总结：个性化推荐实际上已经成了各社交网站、电子商务网站的标配，其重要性毋庸置疑。由于与机器学习相关，看起来技术色彩很浓厚，但是我更觉得这是一个综合性的系统，它涉及到精妙的推荐算法、合理的推荐模型设计、以及对用户心理的良好把握，相信优秀的个性化推荐系统是可以重新定义一个网站内容系统的，至于其能不能独立出来向现在的搜索引擎这样无所不在还需要经过时间的考验。