算法基础

对于推荐系统是需要一些数学和机器学习的基本功的，假设你从来没有接触过机器学习，可以按照下面的步骤进行系统的学习：

学习高数中的求导、概率论整本书、线性代数矩阵计算相关内容，参考的书就是大学的基础教材就行了，也可以阅读《程序员数学系列》，网上都有pdf版，如果找不到下载，可以私信我。

首先了解逻辑回归、K近邻、K均值、SVM、贝叶斯等算法，一定要深刻理解梯度下降。

另外需要了解基于SVD的协同过滤算法、FPGrowth频繁相机挖掘。

还有各种相似度的计算，常用的就是欧氏距离（简单暴力）、皮尔森（适合评论评分）、杰卡德（适合离散特征计算）、夹角余弦（适合数值特征计算）。

不推荐一上来就用深度学习搞推荐，不容易理解，也不好结合业务。

目前深度学习结合推荐的场景不是很多，大多就是全局推荐或者凑单算法：

博客整理

在互联网的时代，如果什么东西都自己研究，那真是闭门造车、浪费生命了，在各大互联网巨头拥抱开源的时候，往往会公开一些系统设计的资料，我们也应该好好利用这些资料，站在巨人的肩膀上做事情。

所以，想要自己做推荐系统，最佳的入门办法就是看看业界是怎么做的。

作为新闻客户端，头条应该算是推荐的佼佼者了，今日头条也公开了内部的算法，让人眼前一亮。

腾讯只是找到了一个简单的实时推荐的ppt，由于使用的框架都是自己的，所以参考价值不是很大，这里不得不吐槽一下，腾讯公开的资料真少...扣(鼻)。

阿里的推荐引擎由于是对外使用的，所以做的很通用，如果同样想做这样一款产品，可以参考他们的产品设计文档，从数据底层设计到算法组成，到业务配置都很全面。我是从这里面学到不少东西，另外没事多用用淘宝，研究下他们的推荐效果也是很好的学习方式。