关于系统的目标，三方面：帮助用户找到喜欢，帮助内容提供商更好把内容送达，帮助自己提高用户使用时长和满意度
推荐的产品形态
基于热门和群行为的推荐
基于物体属性
基于用户属性（基于用户反馈数据）
用户数据的收集和引导
推荐数据
用户
匿名用户、登录用户、订阅用户
性别、年龄、教育
社交属性，喜欢和加入的群体、论坛等，微博等关注的公共号
物品
视频
剧集
播放列表
类型
用户和物品的关系
显式：打分、喜欢
隐式：观看、搜索、浏览、点击
上下文信息
设备、时间、session
推荐流程
特征提取、相关物品检索、物品排序
推荐效果评估测试
离线测试
指标包括准确度、覆盖度、多样性、新鲜度、AUC
上线测试
A/B测试，指标点击率、用户停留时间、用户消费量
原文见http://wenku.baidu.com/link?url=VqBW1aH5aMhBAkQBwk7SKVuM-PRuWphO3Q3oUNbGd1OoyUgGLCj7iWkrbIwxg64Wrkp5wAHt2W_6p1qNbecVW5Fm3_RSLfO8SREwch4Eapy
