推荐系统

推荐系统在很多行业中都非常重要，目的是向用户推荐相关项目，是帮助用户发现新产品和服务的机器学习系统。它们可以在高效时产生大量收入，也是从竞争对手中脱颖而出的一种方式。在本文中，我们将介绍推荐系统的不同范式。 对于每一个，我们将介绍它们的工作原理，描述它们的理论基础并讨论它们的优点和缺点。

推荐系统（Recommender System）本质上是对用户的不同行为，从海量物料中选取用户可能感兴趣的物料，提供商品信息和建议，通过策略、算法、规则等途径帮助用户决定购买的产品，产生点击或其他交互行为。本文会带大家了解推荐系统的原理和目的，以及个性化和非个性化推荐系统的区别和实用案例。

推荐引擎简单来讲就是过滤数据并向用户推荐最相关的结果。推荐这些结果的方式使得对结果感兴趣的可能性最大。现在，所有推荐引擎都有用户数据及其历史记录，可用于创建过滤算法，并最终帮助公司为每个独特用户生成非常准确的建议。我们将对Pluralsight的在线课程文本数据进行讨论，根据我们可用的商品数据制作推荐系统。