個性化推薦系統來了

隨著電子商務逐漸發展壯大，B2C的網站更是層出不窮，推薦系統越來越受到網路企業的重視。分析推薦系統日益流行的原因，總的來說有以下幾個方面：

1、資訊過剩和知識稀缺

Internet的迅速發展，為資訊量的驚人膨脹提供了的土壤。大量的有用資訊雖然為人們提供了更多的價值，然而資訊的泛濫也意味著為了尋找合適的資訊必須付出更大的成本。事實上，調查發現僅僅通過瀏覽和簡單的查詢來尋找有用的資訊變得相當困難，在某種程度上過量的資訊意味著資訊缺乏，因此就需要某種工具來迅速找到所需要的資訊來輔助決策，防止顧客迷失。

2、大規模定製

顧客對於產品和服務的要求越來越高，老福特的“黑色就是所有的顏色”早已不再適用，顧客更加期望能夠得到個性化和多樣化的產品和服務；另一方面，利用資訊科技的發展來滿足顧客的期望，大規模製造逐漸被大規模定製代替。推薦系統可以利用資訊科技帶來的便利，針對顧客的情況提供合適的建議，日益受到企業的關注。

3、電子商務的發展

電子商務的發展進一步促進了推薦系統的應用。當網上交易非常流行時，一些研究人員提出了1對1營銷的理念。1對1營銷非常關注顧客的忠誠度，試圖通過利用資訊科技的優勢為顧客提供不同的服務。推薦系統為顧客提供量身定做的服務。事實上，許多網路公司正在試圖利用電子推薦系統提高顧客的滿意度和忠誠度，如Amazon網上書店用Net Perception公司的配書（book matcher）軟體，根據顧客表達的偏好和以前的選擇方式，為顧客提供種種推薦用書。

當推薦系統發展到一定階段，每個使用者在瀏覽電子商務網站時也許都有是該網站唯一使用者的感覺。剔除了不感興趣、不相干的廣告等內容，映入眼簾的全是自己感興趣的、極想得到的商品。這一天，也許很快就會到來！

因為推薦系統已從實驗室中走出。除了眾多的B2C網站外， Google等搜尋引擎也在努力開發個性化搜尋引擎，以根據使用者以前搜尋的內容推測使用者的喜好，從而能為使用者提供更準確的搜尋結果。在網路交易量不斷增長的時代，已經出現了很多實用的電子商務推薦系統。其中非常著名的Amazon推薦系統，它能夠利用顧客期望的產品單、購物車、顧客提交的評價以及購買記錄等，為顧客推薦適合的產品，提供多項推薦服務，如Customers who Bought、Eyes、Book Matcher和Customer Comments等。Net Perceptions公司則提供基於GroupLens技術的推薦系統。國內的京東商城、噹噹書店、新風雨和China-pub也提供書評和等級評分等多種推薦方式，為網站增加了許多吸引力。

那麼何為個性化推薦系統呢？

個性化推薦是根據使用者的興趣特點和購買行為，向使用者推薦使用者感興趣的資訊和商品。

個性化推薦系統的發展歷史：

1995年3月，卡耐基.梅隆大學的RobertArmstrong等人在美國人工智慧協會上提出了個性化導航系統Web Watcher；史丹佛大學的MarkoBalabanovic等人在同一會議上推出了個性化推薦系統LIRA；

1995年8月，麻省理工學院的Henry Lieberman在國際人工智慧聯合大會（IJCAI）上提出了個性化導航智慧體Letizia；

1996年， Yahoo 推出了個性化入口My Yahoo；

1997年，AT&T實驗室提出了基於協作過濾的個性化推薦系統PHOAKS和Referral Web;

1999年，德國Dresden技術大學的Tanja Joerding實現了個性化電子商務原型系統TELLIM；

2000年，NEC研究院的Kurt等人為搜尋引擎CiteSeer增加了個性化推薦功能；

2001年，紐約大學的Gediminas Adoavicius和Alexander Tuzhilin實現了個性化電子商務網站的使用者建模系統1：1Pro；

2001年，IBM公司在其電子商務平臺Websphere中增加了個性化功能，以便商家開發個性化電子商務網站。

2003年，Google開創了AdWards盈利模式，通過使用者搜尋的關鍵詞來提供相關的廣告。AdWords的點選率很高，是Google廣告收入的主要來源。2007年3月開始，Google為AdWords新增了個性化元素。不僅僅關注單次搜尋的關鍵詞，而是對使用者一段時間內的搜尋歷史進行記錄和分析，據此瞭解使用者的喜好和需求，更為精確地呈現相關的廣告內容。

2007年，雅虎推出了SmartAds廣告方案。雅虎掌握了海量的使用者資訊，如使用者的性別、年齡、收入水平、地理位置以及生活方式等，再加上對使用者搜尋、瀏覽行為的記錄，使得雅虎可以為使用者呈現個性化的橫幅廣告。

2009年，Overstock（美國著名的網上零售商）開始運用ChoiceStream公司製作的個性化橫幅廣告方案，在一些高流量的網站上投放產品廣告。 Overstock在執行這項個性化橫幅廣告的初期就取得了驚人的成果，公司稱：“廣告的點選率是以前的兩倍，伴隨而來的銷售增長也高達20%至30%。”

2011年9月，百度世界大會2011上，李彥宏將推薦引擎與雲端計算、搜尋引擎並列為未來網際網路重要戰略規劃以及發展方向。百度新首頁將逐步實現個性化，智慧地推薦出使用者喜歡的網站和經常使用的APP。

主要方法：(《推薦系統》圖書裡講解細緻)

• 協同過濾推薦 （可試讀）

• 基於內容的推薦

• 基於知識的推薦

• 混合推薦方法

  　　　　　　　　

想要了解更多關於個性化推薦系統的內容、方法、案例以及最新進展等，《推薦系統》不能錯過！它是你踏上個性化推薦系統的基石，是有助於你掌握和正確運用推薦系統的最佳圖書。

噹噹預訂地址：http://product.dangdang.com/product.aspx?product_id=23269385

京東預訂地址：http://book.jd.com/11256780.html

互動預訂地址：http://product.china-pub.com/3768073