常见推荐策略及其在OTA上的应用

文章结合实际案例，对OTA采用的一些常用推荐策略展开分析，一起来看。

什么是推荐系统？根据Wiki百科的定义，推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。个性化推荐已经在电商（Amazon，淘宝，京东等）、电影和视频（Youtube，Hulu，爱奇艺，腾讯视频）、个性化音乐（Spotify，网易云音乐，QQ音乐）、新闻（今日头条，腾讯新闻）等多个领域得到广泛的应用，并且取得了令人影响深刻的成绩。本文将结合案例来分析OTA采用的一些常用推荐策略。

常见的推荐策略 随着信息技术和移动互联网的发展，人们步入到一个信息过载的时代，而现在的用户越来越多的偏好使用移动终端来获取资讯，购买网上产品。信息过载和用户获取信息的方式改变导致对不论是内容生产者或产品提供者，还是内容消费者或产品购买者都遇到了巨大的挑战。如何利用碎片化的时间，通过移动终端，在海量的信息中找到想要的内容或产品是一件非常困难的事情。推荐系统通过一系列的推荐策略来解决这个冲突，成为一个重要工具之一。

推荐系统通过不同策略建立用户和物品的关系，从而将用户可能感兴趣的物品展示给用户，如下图：

注：本图是根据“ Tagsplanations : Explaining Recommendations using Tags”一文中的插图重新绘制，本图的著作权归原著作权人所有

策略一：基于物品的协同过滤 基于物品的协同过滤目前是业界应用最多的策略，该策略的主要思路：给用户推荐那些和他们之前喜欢的物品相似的物品，因为是基于用户的历史行为，所以能够给推荐结果提供推荐理由。该推荐策略主要分成两步：