天天淘宝，你却不知道个性化推荐技术...

<blockquote>
在这个时代背景下，信息爆炸与长尾问题普遍发生，而解决方案之一是个性化推荐技术，那具体什么是个性化推荐，怎么去实现这一过程呢？
</blockquote>
<img alt="" class="blockcode" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-bd54d3cf7b0a96814c56ff5bb51340a5.jpg">
这篇读者朋友需要做到的是读完以后，对个性化推荐技术有一个全局宏观的认识，对于细节不用过多地苛求。
<img alt="" class="blockcode" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-da06fe5e3fe72adab9381d469e8e9edf.jpg">
<h2>个性化的具象表现：以购物 App(淘宝)为例</h2>
在日常生活中，你在打开淘宝购物时，可能会遇到以下若干情形：
<ul><li> 和好友同时打开 App 后发现，为什么两个人首页各个频道入口的图片以及文字不一致？ </li><li> 为什么同样搜索可爱小背心，你和好友竟然出现不一样的商品列表？ </li><li> 为什么我刚刚浏览了裤子以后，首页各个频道的展现变了？ </li><li> 为什么在对比好友的以上界面后，我更喜欢我自己的界面？ </li></ul>
注：这里频道的概念是指淘抢购/有好货/必买清单等电商频道，不理解的读者可以打开 App，以上情形背后的答案就是个性化推荐技术，当然也包含了相关的搜索技术。
那淘宝是如何做到的呢，其实这背后就是涉及了数据的收集，挖掘计算，以及个性化呈现。
所以基于上面的问题，我们又会问：
<ul><li> 淘宝是如何知道我喜欢什么并且可能想要买什么的？ </li><li> 为什么它能做到每个人都不一样？ </li><li> 为什么它要这么做？ </li></ul>
<h2>淘宝是如何知道的？</h2>
回答这个问题，其实背后是一套机器学习的方法在支撑，所以我们先要弄清楚什么是机器学习。
<h3>机器学习概述</h3>
我们先看看什么是人的学习，这里主题是人。学习，是指通过阅读、听讲、思考、研究、实践等途径获得知识或技能的过程。
学习分为狭义与广义两种：
<ul><li> 狭义：通过阅读、听讲、研究、观察、理解、探索、实验、实践等手段获得知识或技能的过程，是一种使个体可以得到持续变化（知识和技能，方法与过程，情感与价值的改善和升华）的行为方式。 </li><li> 广义：是人在生活过程中，通过获得经验而产生的行为或行为潜能的相对持久的行为方式。学习后的主体在未来的生活中可以将过去学习到的知识，技能应用于生产生活，来开展工作。 </li></ul>
那从字面上来理解，机器学习就是将主体换为机器，并且它通过某种途径来获取知识或者技能的过程，并应用于未来的生活工作。
人获取知识的外化载体是书本，音频，视频等，传输通道是人的感官，处理中心是大脑，而对应于机器，外化载体也同样可以有以上各类信息源，并且使用各类外放设备收集信息，处理中心是 CPU 与存储共同维护。
人的学习有两个基本方法，一个是演绎法，一个是归纳法，这两种方法分别对应人工智能中的两种系统：专家系统和机器学习系统。
所谓演绎法，是从已知的规则和事实出发，推导新的规则、新的事实，这对应于专家系统。
专家系统也是早期的人工智能系统，它也称为规则系统，找一组某个领域的专家，如医学领域的专家，他们会将自己的知识或经验总结成某一条条规则、事实。
例如某个人体温超过 37 度、流鼻涕、流眼泪，那么他就是感冒，这是一条规则。
当这些专家将自己的知识、经验输入到系统中，这个系统便开始运行，每遇到一些新情况，会将之变为一条条事实。
当将事实输入到专家系统时，专家会根据规则或事实进行推导、梳理，并得到最终结论，这便是专家系统。
而归纳法是从现有样本数据中不断地观察、归纳、总结出规律和事实，对应机器学习系统或统计学习系统，侧重于统计学习，从大量的样本中统计、挖掘、发现潜在的规律和事实。
<img alt="" class="blockcode" src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-7c5a9151365a24f57ccac82d27556cd5.jpg">
举个栗子可能更容易让人理解这一过程，并且对于已经对机器学习有一定了

天天淘宝，你却不知道个性化推荐技术...

浏览过的版块