腾讯客服MM被骂哭，竟然是因为这个

有一朋友说他打电话给腾讯客服，把客户MM一通狂骂，原因是QQ的推荐系统，把他前女友推荐给了他老婆，说你们有共同好友！

原来是这么一回事，换做你，你是不是也一样骂呢？

笑归笑，这里说到了一个工作、生活中常见的推荐系统。 许多人把推荐系统视为一种神秘的存在，他们觉得推荐系统似乎知道我们的想法是什么。例如 当当向我们推荐书籍，还有淘宝向我们推荐该买什么样的商品。

推荐系统是什么？

推荐系统是信息过滤系统的一个子类，它根据用户的偏好和行为，来向用户呈现他(或她)可能感兴趣的物品。 推荐系统会尝试去预测你对一个物品的喜好，以此向你推荐一个你很有可能会喜欢的物品。

为什么要用推荐系统？

当今网上商店正在蓬勃发展，我们几乎可以通过点击鼠标来获得任何商品。 然而，在传统实体店的时代，商店的储存空间有限，因此店主只能展示最受欢迎的商品，这意味着很多即使像书或 CD 这类质量好的商品也没有被展出。 简而言之，店主必须预先对商品进行筛选。

然而，网购行业改变了这种情况。 因为有无限的空间，所以不需要预先过滤。 相反，这导致了一种后来被称为「长尾效应」的现象。

长尾现象

这种效应意思是受欢迎的少量商品在线上和线下商店都能找到。 相反地，不太受欢迎的商品却占大多数并只能在网上商店找到，它们最终形成了长尾现象。 然而，不受欢迎的商品也可能是好的，但在网站上找到这样的产品是一项艰巨的任务，并需要某种过滤器。 这样的过滤器实际上就构成了推荐系统。

如何构建一个推荐系统？

现在已经有很多种技术来建立一个推荐系统了，最常用的算法就是 协同过滤。

协同过滤使用多个用户/客户提供的综合评分来进行推荐。 本质上是寻找与我们的目标用户具有相似品味的用户，根据其他人的协同行为来推荐物品。 它是首次被用于推荐系统上的技术，至今仍是最简单且最有效的。

协同过滤的过程分为这三步：

（1）收集用户信息

（2）生成矩阵来计算用户关联

（3）作出高可信度的推荐。

这种技术分为两大类： 一种基于用户，另一种则是基于组成环境的物品。 有两种常用的 协同过滤 方法：

（1）基于用户的协同过滤

找到其他与你类似的人并推荐他们喜欢的东西。 根据用户的行为及兴趣来为用户做推荐，是最常用的一种推荐形式。 淘宝首页的猜你喜欢推荐，每个人推荐的都不一样。

（2）基于商品的协同过滤

推荐那些也买了你喜欢的东西的人所买的东西。 电视猫APP节目详情页的相似影片，就是常见的一类基于商品的协同过滤推荐模式。

希望进一步学习 推荐系统 的朋友可以学习

数据分析专家@文彤老师

特别推出《Python数据分析行业案例--推荐系统》视频课程

回馈各位粉丝的支持与厚爱

并且课程刚刚发布

为此

10月31日~11月6日 期间参加课程学习，

1.可享受