推荐系统大师项亮都来了，就问你约不约？文末有惊喜！

[chousb]

今天 chousb 要和大家聊一位在国内推荐系统领域中理论与实践并重的专家——项亮。他将参加我们 7 月 28 日在北京国际饭店举行的 QingCloud Insight 2016 大会，并分享他在大数据分析领域精彩的实践经验。欢迎大家关注并通过文末二维码扫描注册参会。

项亮最早进入我们的视野，是在 2006 年 10 月 Netflix 发起的名为 Netflix Prize 的一项竞赛中：

任何组织或个人只要能够提交比它现有电影推荐系统 Cinematch 效果好 10% 的新方法，就可以获得一百万美元的奖金，除此之外，还能挑战 Netflix 的推荐系统。

这引起了众多推荐系统技术研究团体的兴趣。

说到这，你一定好奇 Netflix 的推荐系统到底是有多牛？敢于推出这项挑战。

小编举一例子，现在电影电视剧非常多，你会选择哪些来观看呢？

也许你会听信朋友的推荐，或者是新闻上公布的票房，或者是豆瓣上的评分，再或者就凭自己的直觉。然而如果有一位朋友特别了解你的喜好，每次给你推荐的电影你还都很喜欢，你是不是觉得太好了？这个朋友就是 Netflix 。

前一段时间，网上有一部非常有名的美剧纸牌屋，就是由 Netflix 自行制作并且完全依靠网络发行的电视剧，这部剧大获成功，帮助 Netflix 订阅用户超越了 HBO 电视网。而 Netflix 其实在剧集热播之前就知道该剧一定会火，这个秘诀就来自于 Netflix 的大数据分析技术。

用户只要登录 Netflix ，其每一次点击、播放、暂停甚至看了几分钟就关闭视频，都会被作为数据存入后台进行分析。而这样 Netflix 就可以精确定位观众的偏好习惯，比如“最爱凯文-史派西（纸牌屋主演）”，或“最爱政治剧”。

Netflix 在拍摄前事先分析了订阅用户们的观影数据和操作习惯，保证纸牌屋剧集可以精确命中最大量的潜在观众。纸牌屋的成功很大程度上源于 Netflix 优异的数据分析能力，它有着世界上最好的推荐系统。

当时，项亮所在的 The Ensemle 团队也参加了 Netflix Prize 的推荐系统比赛，并获得了第二名的成绩。其实他们最后的结果与冠军团队准确率都是相同的 10.06 %，但项亮他们提交时间比冠军晚了一点，无奈只能屈居亚军。

说了这么久，那什么才是推荐系统？

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常苦难的事情。

推荐系统就是解决这一矛盾的重要工具。 推荐系统的任务就是联系用户和信息：

• 一方面帮助用户发现对自己有价值的信息；
• 另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。

如果你也致力于这个技术的研究和实施，小编建议你读一下《推荐系统实践》，该书的作者就是项亮。他在书中传授了推荐系统的实战经验，着重介绍了推荐系统的各种算法设计和系统设计的方法，并且利用一些公开的数据集离线评测了各种算法，对推动推荐系统领域的发展起到了非常重要的作用。

PS ：我们在项亮演讲的时候也会准备该书籍，送给现场提问的同学，福利一定要抓住哦。

怎么和技术大牛学习经验？

经小编介绍完，是不是对这位技术大牛更加仰慕？那想不想在现场聆听他亲自带来的技术分享呢？

现在机会来了， 7 月 28 日，以『科技，洞见未来』为主题的 QingCloud Insight 2016 大会将在北京国际饭店举行，届时项亮将会在数据时代的技术与应用”分论坛中带来《分布式机器学习》的主题分享，通过几个典型算法回顾过去几年分布式机器学习的发展。你将还有机会和他直接沟通，面对面地进行技术交流哦，还不快来！

现在拿起你的手机，扫描上方二维码就可以注册参加 QingCloud Insight 2016 大会。门票免费，成功邀请 3 名好友还可在现场领取 QingCloud 精美双肩背包一个！数量有限，快来参加吧！

按照道理，这次还要来一发抽奖活动，这次的奖品是项亮的著作： 《推荐系统实践》， 一共 5 本，随机赠送给回复的童鞋。 欢迎大家来做分母降低中奖率~

[kiroli]

推荐系统实践 很高深~