推荐系统，对于每天都在使用互联网的我们来说并不陌生，但是很多人也许并不清楚它的原理。但是没关系，我们只要明白，不管是购物网上交友还是听歌看电影，推荐系统早已经渗透到互联网的很多地方。
下面我们来举一些例子说一说推荐系统到底在我们的生活中扮演着什么样的角色。
一、购物网站。还记得你在亚马逊上买书的时候下面出现的那些推荐吗，网站会记录下来我们浏览过、购买过的书籍等商品，当你再次登录进亚马逊，就会在下面看到如下图所示的推荐。（之前曾在亚马逊上查看过吉他、数据结构相关的商品，这次打开就出现了这样的推荐）这是根据用户过去的浏览数据做出的推荐，也就是基于内容的推荐。
二、音乐的个性化推荐。这方面的典型代表应该是国内的豆瓣FM和网易云音乐。由于我是网易云音乐的忠实粉丝，因此我就根据自己使用网易云的体验来说一说。
1、网易云的私人FM是这样的：
比如我最近喜欢听古风歌手慕寒的歌，私人FM里面出现古风歌曲以及慕寒的其他歌曲的概率就比较大。之前在知乎上有个用户曾经写过他对于网易云音乐算法的见解（https://www.zhihu.com/question/26743347），我觉得还是有参考价值的，具体使用了什么算法就不得而知了。
2、歌单推荐是这样的：
以上的推荐，我觉得是结合了“基于内容的推荐”和“基于协同过滤的推荐”两种方式，前者，也就是根据用户自己听过的歌曲推荐相似歌曲，这个“相似”应该是综合了歌曲旋律、歌手信息、语言等等综合评测出来的；后者，基于协同过滤的推荐，也就是说寻找和此用户听歌品位偏好相似的用户的听歌记录，将他人喜欢的歌曲推荐给用户。这个相似度也有一定的算法来评定。同时，私人FM还会根据用户对于系统推荐的歌曲的喜好程度来进一步改进推荐效果，是否收藏为喜欢的歌曲，是否下载，还是跳到了下一首，相应的都会有记录。详细可以看知乎上的回答，不敢说全部正确，我也是行外人，但是感觉有一定的启发意义。
总之，推荐系统的本质还是利用推荐系统这个媒介来讲用户与内容联系起来。
三、社交网络
1、好友推荐。以Facebook为例，加上好友之后，系统会为你推荐“你可能认识的人”，并会说明你们是因为有X位共同好友而被联系在一起的。这也就像上面的买书、听歌一样，你们有共同的爱好，浏览了同样的书，或者听了同样的歌，所以我把这些推荐给你。好友也是这样互相推荐的。回想一下，新浪微博、QQ上也有相似的，在微博上关注某个人之后，微博会提示你“你可能还想关注XXX”.
2、产品推荐。比如说QQ空间里面的应用推荐，会提示你哪些好友也在用这个应用然后提高下载量。或者插入相关广告，你的哪些好友也购买了什么什么的。
3、信息流的推荐。最典型的例子应该是微博上的热门话题热门微博等等。
四、个性化广告。
这一点生活中最直接的体会大概就是，在浏览网页时两边会出现一些跟我之前的搜索关键词相关的广告。比如说我最近经常搜索Java相关的东西，那么我浏览网页时，两边侧栏就很有可能出现“Java工程师培训，一万月薪不再是梦想”不啦不啦之类的广告。虽然挺烦但是这就是个性化推荐啊。。。
五、爱好推荐。
这个以豆瓣为典型代表了。下面是我的豆瓣读书和电影里面的推荐列表和畅销榜单。排行榜畅销榜算是最简单粗暴的推荐了；而“猜你可能感兴趣”则是参考用户行为的结果，出现《推荐系统》是因为之前我给另外一本《推荐系统实战》打过分，出现美国人的性格大概跟我之前看的一本李敖的《审判美国》有关，《生育制度》的出现我猜是上学期看的《江村经济》跟这个一个出版社，封皮很像。
另外，在评价某一本书或者电影时，豆瓣也会让用户为其添加标签，即“tag”。研究豆瓣标签的人很多，很信息组织联系较为紧密，也有很多人会根据标签来做其他方面的科研项目。
豆瓣会给出用户自己常用的标签和关于这本书其他用户常给的标签，当然用户也可以自己添加标签。好像和推荐系统有点远了，不过这也是一种推荐。
以上总结，主要参考项亮的《推荐系统实践》，后面读到详细的训练集测试集这一块我再来写。很多内容是自己根据理解在发挥，有错误的话也请指出啦。