推荐系统一定要使用机器学习算法吗？

Question

最近，我正在研究推荐系统和机器学习算法的评估，试图为我的硕士学位的研究确定一个范围。经过一段时间的阅读，我开始理解几个概念，但有一件事我不太清楚：

推荐系统需要使用机器学习算法吗？

我的意思是，我知道这两者可以结合使用，但在我读到的大多数关于推荐系统评估的论文中，他们甚至没有提到机器学习。

另外，如果你能提出一些我能读到的论文，我将非常感激。

Answer 1

没有任何推荐系统绝对需要某种机器学习。事实上，我已经看到在使用的决策系统本质上只是一个人的想法，客户的偏好应该是什么。

推荐人可以基于任何东西，从几个特别的“常识”规则，到几年前有人对某些数据进行的逻辑回归，其参数被硬编码到系统中，再到复杂的机器学习算法集合，这些算法是定期和不断地针对新数据进行培训的。

机器学习在推荐系统中的应用部分是由必要性驱动的，部分是由时尚驱动的(至少从我所看到的情况来看是这样)。如果一个简单的推荐器运行良好，并且准确地预测用户想要什么，那么机器就不需要学习任何东西。如果有大量的数据，隐藏了一些人类无法分辨的深层次的关系，那就是机器学习变得有用的地方。

Answer 2

推荐系统是一个广义的术语，用来描述从海报到“火灾时”的一切。随着时间的推移而不断进化的基于ML的系统。

一个简单的推荐系统包括：

• 知识数据库代表一些智慧，将用于提出新的建议。这个数据库可以从历史数据、模型或简单的发明中创建。
• 推荐引擎--某种接受输入、使用知识库运行它们并生成推荐的逻辑。这可以是简单的说明，例如，在过马路之前，向左看，然后向右看。它还可以是帮助确定最佳操作过程的决策树，也可以是经过训练的ML分类器。它也可以是一个生成神经网络，接受用户的输入，并产生新的东西。例如，将文本预测为用户类型，或者根据最近的购买情况推荐其他书籍。

推荐系统的替代术语是专家系统。这些系统的鼎盛时期是80年代和90年代。我建议你去找旧的报纸和书。

现在，机器学习是一种炒作，通常用于简单的决策树就足够了。