推薦系統實踐

在2016年公司成立4週年年會上，張一鳴回憶說:“當時非常多的人擔心我們沒有基因和能力，紛紛表示擔心。我說，推薦我們不會，但可以學啊。於是我找到《推薦系統實踐》這本書的作者，問他要電子版看看。他說書還沒出版，不肯給我，嚴重耽誤了我們公司推薦能力的進度。我只能網上找資料，自己想象着寫出了第一版的推薦引擎。現在他已經加入我們公司。” 張一鳴對這件事的認知超他人。在當時做推薦引擎對創業公司來講難度很高，張一鳴說:“如果不解決個性化的問題，我們的產品只是做些微創新，也許能拿到一些移動互聯網的紅利，但不可能取得根本性的突破，不能真正的創造價值。在任何時候，我們都要努力從根本上解決問題。”

是一本講述互聯網行業推薦系統的科普書，也是一本講述利他思維的哲學書，以及關於抽象思維，結構化思維，數據思維的方法論書籍。 閱讀科普，還有計算機行業的書籍真的是一種在精神上無比愉悅的體驗，讓我想到之前看過的關於家庭教育的觀點，最好的家庭教育並不是每天說教式的去跟孩子講很多大道理，最好的教育是通過自己的行爲潛移默化的影響孩子，行動是不會騙人的，行動也是最高效最好的教育方式；看科普也是這樣，很多深刻的哲學道理都是從作者描述科普或計算機知識的思維方式，行文結構，表達方式中折射出來的，但是比社科類書籍顯化的告訴我要有效的多。 看這本書印象最深刻的幾個關鍵詞，抽象，思維反轉，利他，還有想的足夠簡單。 複雜的推薦系統被抽象爲了用戶，特徵，還有物品； 通過逆向思維、高維思維簡化推薦系統的複雜度以及提高泛用性； 推薦系統本身就是究極的利他工具，同時文中多次提到去思考推薦系統的目的是什麼，以及如何去衡量目標的達成，這是被放在每一章最開頭去討論的，因爲目標及衡量手段根本上塑造了設計系統的過程； 以及不要模糊的去思考奇蹟發生，冷啓動怎麼啓動?沒什麼奇蹟或者奧祕，只是儘可能獲取更多數據讓啓動不冷而已；這也是我常犯的一個思維陷阱，深刻的理解了“不是想的不夠複雜，而是想的不夠簡單”這句話，不管是ego還是思維方式，都要保持儘可能的簡單，就像毛選裏的思考方式那樣。

這本書告訴我，得學好數學，否則看書都不配，有些公式和數據的基礎概念都看不懂，但是不影響它是一本講推薦系統的好書，起碼對現階段的我來說。結構化，邏輯清晰，行文流暢系統，雖然有些公式看不懂，也受益匪淺，把自己以前瞭解的那點零碎的理論，串起來了。這就是看書的魅力，在信息爆炸的今天，很多人都樂於看碎片化的文章，這樣的知識體系也是稀碎，七零八落的，只見樹葉不見森林，還是系統的看書好，補全認知地圖。

通過推薦系統實踐，更加了解內容類電商類榜單類產品的設計原理，其實知道計算機遵循輸入輸出原理。有了推薦系統，除了能更查找到自己想要的信息，也能根據自己的興趣愛好和品位獲得來自系統的推薦。而實現推薦的方式正是這本書所講的，基於用人口統計學的基礎信息，用戶的行爲，行爲的時間地點和觸發時間，以及用戶相關聯的其它用戶的這些信息，在這些信息的基礎上建立推薦算法和系統，實現不同策略和場景下的內容推薦。

十年前就簡單翻過這本書，但這次算花了三天完整讀下來。當然也並沒有全看懂，很多數學知識都忘不少了，得補補課。搜索-推薦-ai 生成，信息在越來越高效地來到我們面前，用戶的注意力和耐心也在斷崖式衰減。 實際業務中的推薦系統是一個工程，需要持續迭代，而且需要基於業務定位和階段性目標來設計推薦，算法和 ai 是沒有價值觀的，背後的人才有。

閱讀時長感人，就這還是放棄了大部分代碼的時長，這下知道爲啥程序員都得數學好了。總體來說很好，讓我瞭解了推薦系統常用算法邏輯，之前就看過協同過濾算法，這本書裏講了一遍又一遍，還有隱語義模型，有的公式能看懂，越後面越不懂。看完才知道爲什麼app的推薦系統要用200個邏輯，都是在拿到用戶行爲數據後，生成用戶特徵向量，通過特徵-物品矩陣轉化爲初始推薦列表，進行過濾、排名等處理，生成最終列表。各種推薦引擎按照一定權重和優先級合併、過濾、排序得到，不斷優化。瞭解了各種評價推薦系統的指標，包括用戶滿意度、預測準確度（評分預測、Top N推薦）、覆蓋率（被推薦的物品佔總物品的比例）、多樣性（覆蓋用戶不同興趣）、新穎性、驚喜度、信任度、實時性、健壯性、商業目標等。前面4章內容對我來說更有用，第8章評分預測看不懂，奇異值分解、正則化...彷彿我從未學過線代。

很多推薦算法思考方式，在文中都是一筆帶過，講解不深刻。比如很重要的基於圖模型的personal rank，給予的公式都是最簡單的基礎版！也沒有提及一些算法在數學演化形式上時間複雜度很高，實際業務場景在算力上是不建議採納的，所以很多公式需要藉助矩陣重新構建模型。總而言之，內容的拓展性存在侷限。考慮這本書是十年前出版的，也許那個時候，這樣的深度足矣，可面向未來，這種程度是不是淺顯了許多？

非常不錯，可以從整體上了解推薦系統的內容和與數據之間的關係

“本書着重介紹了推薦系統的各種算法設計和系統設計的方法，並且利用一些公開的數據集離線評測了各種算法。”適合小白閱讀，較爲系統地講解了推薦系統的理論與實踐。本來因爲畢業論文選擇了陌生領域而後悔無比，懷疑選題的時候腦子被門夾了，不清醒。這幾天，心更是亂成一團，焦躁不安，毫無頭緒。讀完本書，對推薦系統領域有了整體上的認識，思路也漸漸清晰起來。希望後續研究能漸入佳境～

是一本關於推薦系統的入門科普書，由推薦系統是什麼、什麼是好的推薦系統、推薦系統涉及的具體構成到最後評測介紹。整體上涵蓋了推薦系統的框架，是一本是個入門的推薦入門書籍。