首先我们需要定义一下什么是推荐系统？
推荐系统其实就是一种信息处理的系统，用来预测一个用户对某个东西是不是很喜欢，如果喜欢的话，喜欢的程度是什么样的，是非常喜欢，还是一般般喜欢，还是一点都不喜欢。
推荐系统用的领域肯定很多，比如：现在的今日头条给用户推荐个性化的新闻；优酷土豆 YouTube 给用户推荐视频；虾米音乐给用户推荐喜欢的音乐，当然还有淘宝、京东商城推荐图书、食品、衣服还有其他各种商品。除此之外在社交网络里面 Twitter、Facebook，还有像新浪微博，都会给用户推荐朋友。
当然，推荐的方式也是用推荐系统来实现的。现在金融很火，如果你在做金融类的产品，肯定希望做 P2P 金融给你的客户推荐股票、基金理财、基金证券和理财产品。当然单身狗们不要忘了在婚恋市场里面的各种相亲网站里面，也会给单身的朋友推荐合适的另一半，同样是用的推荐系统。
所以说我们可以看到推荐系统现在已经成为很多网站、手机 APP 不可获缺的一部分。这些 APP 和网站依靠推荐系统来提高销量，吸引用户注意力，提高用户活跃度和吸引新的用户。
那我们来具体看一下亚马逊都使用了哪些推荐呢？一个具体的一个公司它是怎么使用推荐系统的？
如果你登录到亚马逊网站上，第一个你会看到，它会按照不同的产品类别进行推荐，比如说左上角，它推荐给当前登录的taomas 这个用户，给他推荐健身器材，左下角又推荐咖啡和茶，还有其他的图书，这是第一个：按照类别给每个人推荐。
第二个是经常购买的商品。
假设一个用户现在购买了左边的这一个训练机构的这个健身棒，它就会推荐你买右边的这个橘黄色的这个健身的按摩球，为什么呢？这两个东西根据它们的历史显示经常被人一起购买，这也是个经典的案例，大家可能会知道 MBA 里面的一个经典案例：研究人员发现，超市应该把婴儿尿布和啤酒放在相邻处，因为很多父亲去买婴儿尿布，同时看到旁边有啤酒，就会一起购买，这也是采用样的策略。
第三，亚马逊推荐的方式是按照你最近的历史推荐。
你最近看了什么？我最近看了健身用的健身棒，所以推荐的一堆用来健身相关的物品。
第四是什么？不是推荐你曾经没看过的，而是告诉你今天看了什么、前几天看了什么、某月某日看了什么，把你曾经看过，但是并没有下单的东西再给你看一遍，也许你就有下单的冲动了。
第五是什么呢？也是按照你的浏览历史给你推荐，不是按照你现在的浏览历史，比如我最近看的是健身器材，但是给我推荐的第二个商品是沙丁鱼，他是按照我曾经久远的历史来给我推荐的。
还有第六种推荐，就是按照其他跟你购物习惯相同的用户推荐，比如他和我买了同样商品，他接下来又买了什么，根据其他跟我买相同商品的用户购买的物品的推荐。
第七是，系统知道我的购买历史，知道我曾经买了一个 kindle，然后告诉我说，现在 kindle 出了新版本，那我会不会想要购买，这是根据用户的购买历史推荐同一个商品新版本。
还有第八，它根据我的购买历史推荐周边产品。系统知道我买了 kindle，他就推荐我说你要不要其他周边产品，比如保护套。
第九，就跟我个人购买历史和我个人的浏览历史无关的，而是根据在亚马逊网站上卖的比较好的那些商品进行推荐。
除了登陆网站，系统会给你推荐之外，它还会主动进行推荐。在美国大家用邮件用的比较多，都是用邮件来登陆的，所以说亚马逊知道美国用户的邮件，就会给用户发邮件进行推荐。
比如说这个例子：我最近看了一下佳能的数码照相机，它就会给我发邮件，给我推荐佳能最近卖的比较好的照相机给我。
如果我无动于衷，它又会有推荐：佳能的你可能不感兴趣，推荐柯达的数码相机给你看你会不会感兴趣？这就是跟我曾经浏览相似的东西，但是呢，只是局限于柯达这个品牌。
如果我还无动于衷，他还会给我发邮件说，你看佳能的相机，这里有一个便宜的一个套件，包括相机的壳子、包括记忆卡，一起买会比较便宜，你会不会感兴趣？推荐系统会按照你曾经浏览的物品推荐周边产品，做一套件给用户购买。
最后，如果用户还无动于衷，它还会给你推荐，比如直接告诉你，卖得最好的数码相机是什么。除了我曾经自己看的佳能，还有索尼的，这就是它给我推荐的东西。
我每种推荐的算法标了一个数字，到这里一共是 13 种，也就是说：简简单单的一个购物网站，仅对每件商品的，就用了 13种不同的推荐策略。
我们高屋建瓴来看一下，各种推荐到底背后的算法是什么呢？
如果我们把推荐系统来分类的话，其实我们每个人都接触到推荐系统，这是一个很原始的技术。
早期的门户网站，比如说新浪、雅虎，还有人民日报也是有推荐系统的，只不过里面的内容是网站编辑，或者是报社的编辑帮读者手工选择的，它也是一种推荐，只不过是手工生成的推荐。
第二类推荐，是一些简单的聚合系统。比如说你去 KTV，点唱面板上就会有 KTV 的最近点唱的排行榜，如果你去书店就有畅销书排行榜，去买电影票，猫眼电影之类的系统也会告诉你热卖电影是什么；包括豆瓣里面会有电影票房排行榜。
还有按照物品的时间顺序，按照时间性质给用户推荐，比如说新上架的物品优先推荐。
这些推荐系统只是基于最简单的统计来进行推荐，他们虽然说看起来方式很简单，但很多时候很有效。
最后一个就是我们关注的重点，就是真正个性化的千人千面的推荐系统。
无论是第一种，还是第二种，你会看出来不论是人工生成的推荐系统，还是简单的聚合，它 都不是针对个人的。每个人打开人民日报看到的是一样的内容，每个人去 KTV 里面点歌看到的排行榜是一样的。那我们现在最关心的就是千人千面的推荐系统，比如说每个人打开 Amazon 主页，每个人打开 Netflix 他会看到这些商品，或者电影的推荐是不一样的，那这就是我们今天想要关注的重点。