开发者学习笔记【阿里云人工智能工程师ACA认证（2023版）:智能推荐（一）】
课程地址：https://edu.aliyun.com/course/3112108/lesson/19293
智能推荐（一）
内容介绍
一、智能推荐的需求背景
二、智能推荐的定义
三、智能推荐的关健技术
四、数据管理和推荐算法的相关知识
五、智能推荐的相关产品
提问
大家在使用淘宝购物时会发现淘宝会自动的推荐一些我们感兴趣的商品，淘宝是如何做到的？下面我们了解一下智能推荐系统。
一、智能推荐的需求背景
为什么越来越多的商品需要搭载智能推荐系统？
主要有以下两个方面：
①信息过载
互联网上每天都在产生海量的信息，用户要想准确的找到他们感兴趣的内容或者是商品，会越来越困难，这个时候如果能够高效的匹配用户感兴趣的信息或者商品，那就可能提高用户的体验和黏性，获得更多的商业利益；
②流量分配
绝大多数的用户需求往往都是关注主流的内容和商品，这样的话就会忽略相对冷门的大量商品信息，会导致很多优秀的内容或者优秀的商品没有机会被用户发现和关注，如果大量的冷门产品信息没有流量，信息产生者就会离开平台不再发布信息，这样的话就会影响平台的生态健康，而为了解决这种问题，智能推荐系统就应用而生。
智能推荐系统建立在海量的数据挖掘基础上的智能技术，帮助电商网站为顾客提供个性化的决策的支持和信息服务。
二、智能推荐的定义：
1、智能推荐是人和信息之间的连接器，用已有的连接去预测未来用户和物品之间会出现的连接；这是人工智能里面大量的数据完全能够发现的信息；通过已有的连接和数据经过分析之后会发现，什么样特征的用户会买什么样的商品、会在什么时间买，用这个去预测用户和物品之间会发生什么样的联系；
2、本质上处理的是信息，所以主要作用是在信息生产方和信息消费方之间搭建起桥梁，从而获取人的注意力。通俗一点讲，智能推荐系统就是通过过去发生的行为的痕迹来推断、推测当下或者未来所需，搜索、点赞、评论、转发都是了解的机会。
举例：
当你在购物平台去搜索一双经典球鞋的时候，平台很快就会推荐了相似的款式类型，或者是相同价位的其他球鞋，有可能还会引申到同品牌其他服饰、衣服等等。有可能最令人惊奇的是或许在推荐商品中选到了真正喜爱的东西，而并没有买当初搜索的那一件，这个原因不言而喻，就是智能推荐系统比你更了解你的购买、浏览的习惯和行为偏好，当还不了解智能推荐系统奥妙的时候，就已经离不开它了。
三、智能推荐的关键技术
智能推荐的实现流程
先有产品的数据，然后从产品数据里面抽取数据的特征，生成智能模型，生成智能模型之后，交由某一个推荐服务，把结果推荐给最终用户。
智能推荐的实现流程从数据开始首先：
①通过收集不同来源的数据汇聚成推荐算法需要的原始数据；
简单来说智能推荐的实现流程是这样的：先有产品的数据然后从产品数据里来抽取数据的特征，生产智能模型，生成智能模型之后交由某一个推荐服务，把结果推荐给最终用户。
智能推荐的实现流程是从数据开始，首先我们要收集不同来源的数据，汇聚成推荐算法需要的原始数据(原始数据都是历史数据，如果是做商品购买的推荐数据，那原始数据肯定是已经购买过的历史。那历史里有用户的购买记录、用户的特征、商品的特征)。
②通过特征工程对原始数据处理生成最终特征；
收集完大量的原始数据之后，通过特征工程对数据进行处理，形成最终特征（做这一步的原因是因为算法的需要，因为推荐算法要通过特征来训练才能得到推荐模型。至于推荐算法有很多种，主要看特征、数据、需求总之，会训练出来推荐模型）。
③再通过选择合适的推荐算法对特征进行训练获得最终的推荐模型；
④最后根据某个用户的特征，将特征输入至推荐服务系统获得该用户的推荐结果。
推荐模型的用法（推荐模型的输入是用户，把用户的“特征”输入，然后可以通过推荐服务就获得对这个用户的推荐结果）。
以上就是智能推荐的实现流程，从流程可以看出来“数据”是整个智能推荐业务系统流的起点，而算法模型决定了推荐的合理性和准确性，因此是非常重要的。
