1. 推荐系统解决什么问题
推荐系统本质上是在用户需求不明确的情况下，从海量的信息中为用户过滤出他可能感兴趣的信息的技术手段
推荐系统结合用户的信息（地域、年龄、性别等）、标的物信息（价格、产地等），以及用户过去对物品的行为（是否浏览、是否点击、是否购买等），利用机器学习技术构建用户兴趣模型，为用户提供精准的个性化推荐。
2、推荐系统的定义
提升资源高效配置的一种方式，让每个人更容易的得到自己想得到的信息；
用各种算法构建推荐模型，提升推荐的精准度、惊喜度、覆盖率等，甚至是实时反馈用户的兴趣变化
3、常见推荐方法
3.1 基于内容的推荐
推荐系统是通过技术手段将标的物与人关联起来，标的物包含很多属性，用户通过与标的物的交互会产生行为日志，通过这些行为日志可以挖掘出衡量用户对标的物偏好的标签（将标的物的属性赋予喜欢它的用户，让用户具备这个标签），通过这些偏好标签为用户做推荐就是基于内容的推荐算法。
3.2 协同过滤
人以群分”就是找到与用户兴趣相同的用户（有过类似的行为），将这些兴趣相同的用户浏览过的标的物推荐给用户，这就是基于用户的协同过滤算法。
3.3 基于好友关系的推荐
基于好友或一定的关系，进行推荐（简易版人以类聚）
总结：
推荐算法种类繁多，主要有基于内容的推荐、协同过滤、基于社交关系的推荐等。
