如今，网购的人越来越多，上到七八十岁的老人，下至幼儿园五六岁儿童，都知道网购，他们一边纳闷儿“它肿么知道我想要啥”，一边习惯地收着系统为他们做出的个性化推荐：腾讯视频会推荐他们可能喜欢看的视频，网易云音乐会通过预测他们想要听什么歌曲从而生成个性化歌单，淘宝或者其他电商每天不厌其烦地推送给他们近期可能要购买的商品。
是不是很神奇，是不是很拉轰，不才，这都是我的功劳，我就是我，不一样的烟火——推荐系统是也。
所有这些推荐结果都来自于各式各样的推荐系统。它们根据顾客的浏览、搜索、下单和喜好，为用户选择他们可能会喜欢、有可能会购买的商品，从而为用户服务。随着越来越多不同类型网站的用户数据变得可用，推荐系统得以将创新算法应用于这些数据之上，推荐系统变得越发精准和垂直。所以：如果有谁比你妈还了解你，那一定是推荐系统。
再次隆重介绍一下，推荐系统是人工智能的一个重要分支，近年来“非常”热门，不仅得到了信息检索与挖掘、普适计算和计算机视觉等多个领域研究人员的关注和推荐，而且得到了广大互联网从业者的高度重视。在这个信息过载的年代，一个高效的推荐系统不仅能够帮助用户更好地获取信息、改善用户体验，而且可以帮助平台获得更大的收益，如流量、广告收入等。可以说，在离我们不再遥远的“智能时代”，推荐系统会成为人们获取信息的主要方式，扮演不可或缺的重要角色。
好吧，通俗一点讲推荐系统又是怎么“猜你喜欢”的？
你有没有想过自己在淘宝眼中是什么样子？答案是：你是一个很大很大的表格里一串很长很长的数字。这串数字描述了你点击的每一个链接，你在淘宝上购买的每一件商品，还包括影响你购买行为的其他外在因素信息，如其他用户的评论、朋友的建议、地理位置和时间等上下文信息。你每次登录网站，你的数字就会发生改变；在此期间，你在网站上每动一下，这个数字就会跟着改变。这个信息又会反过来影响你在访问的每个页面上会看到什么，还有你会收到什么样的推送。推荐系统的研究涉及多方面、多角度，需要融入多种信息推理来预测用户的决策过程。
是不是很酷？！在推荐系统眼里，我们都是一个个带有诸多属性的对象，对象没有很清晰的描述，但每个描述都针对你，对象在每时每刻地变化着，也在慢慢改变着推荐系统向你推送的内容，可能是衣服，可能是水果，也可能是……，你懂的。
当然，推荐系统的应用场景也不局限于此，具体算法也不一一赘述了。俗话说：“书中自有黄金屋，书中自有颜如玉。”如果各位朋友想深入了解推荐系统，推荐各位一本专（干）著（货），书中自有推荐系统的详细解读。
作者简介：
郭贵冰
博士，副教授，东北大学软件学院引进人才，LibRec推荐算法库创始人，2015年获得新加坡南洋理工大学博士学位，研究领域包括智能推荐、深度学习、自然语言处理等。在AAAI、IJCAI、IEEE TKDE等CCF A类国际会议和期刊上发表论文多篇，Google学术引用超过1100次；主持国家自然科学基金青年基金项目、辽宁省自然科学基金面上项目、教育部基本科研业务费国家项目培育种子基金项目、华为创新研究计划项目、京东AI研究院“京东葡萄树——学者计划”项目等多项基金项目；获得辽宁省和沈阳市自然科学技术成果奖3项。领导开发的LibRec开源推荐算法库在GitHub推荐系统领域排名第一，在学术界和工业界影响广泛。
购买链接：
京东：https://item.jd.com/12538650.html?dist=jd
当当：http://product.dangdang.com/26509978.html
