扫码加入数据分析学习群

推荐系统对服务提供商和用户都有益。它们降低了在线购物环境中查找和选择项目的交易成本。推荐系统也证明可以改善决策过程和质量。在电子商务环境中，推荐系统可以增加收入，因为它们是销售更多产品的有效手段。在科学图书馆中，推荐系统通过允许用户超越目录搜索来支持用户。因此，不能过分强调在系统内使用有效且准确的推荐技术的需要，该系统将为用户提供相关且可靠的推荐。

可用数字信息量和互联网访问者数量的爆炸性增长造成了信息过载的潜在挑战，诸如Google，DevilFinder和Altavista之类的信息检索系统已经部分地解决了这个问题，这阻碍了及时访问互联网上感兴趣的项目。但是没有优先化和个性化（系统将可用内容映射到用户的兴趣和偏好）。这比以往任何时候都更多地增加了对推荐系统的需求。推荐系统是处理信息过载问题的信息过滤系统,通过根据用户对项目的偏好，兴趣或观察到的行为，从大量动态生成的信息中过滤重要信息片段。推荐系统能够基于用户的简档来预测特定用户是否喜欢项目。