在这个人工智能越来越流行的年代，为什么互联网公司总是那么懂你，电商app总能推荐出你喜欢的商品，当你进入新闻app的时候，总能推荐出你感兴趣的新闻，当你想去旅游的时候，旅游app能给你推荐景点以及酒店。其实在你的每次点击，互联网公司后台都进行了成千上万次运算，才能洞悉你的喜好，推荐给你最心仪的产品，智能推荐，是人工智能的一个分支。今天我们来谈一谈人工智能是如何洞悉你的喜好，更加懂你，给你推荐的呢?几乎所有的推荐算法都是包含这些东西，数据采集、数据存储、模型训练、推荐算法。
数据采集
无论我们在应用app还是网页上进行任何一次操作，都会被记录下来。例如某某用户在某个时间点听了某首歌，某个用户在某个时间点看了某个新闻，这种记录的行为，我们称之为数据采集。根据不同的业务类型，不同的数据格式，我们会选择不同的存储，可能是数据库,也有可能是大数据的hive，甚至一些临时数据可能只放在redis之类的缓存。
数据处理
在上述我们收集了大量的数据后，就开始进行数据清洗，清洗完成后，就开始采用一定的算法与模型进行训练，对用户进行分类，打上标签。什么是标签呢?例如90后，爱看球，程序员这些都是标签，我们称之为用户画像。每个人在每个互联网公司都有一个用户画像，能否准确地描绘出用户画像，是衡量每一个互联网公司人工智能标准的高低之一。
不仅是用户，每个公司也会对自己的产品，不局限于内容或者实体进行分类，给产品也打上标签。为什么需要这样子呢?因为人工智能并不像人类一样，对每个东西都有着抽象的认识，举个简单的例子，人描述一个人脸，就是两个眼睛1个鼻子1个嘴巴，而让机器来描述一个人脸，就需要采样那几个点，这几个点有什么特征，距离多少，颜色应该是什么样等等等。需要把抽象的概念变成形象的数字，才能进行下一步的运算。
推荐计算
在有了上面的模型之后，用户的每一次点击，都会过来后台开始请求。人工智能会根据之前的数据进行成千上万次运算，怎么计算呢?这里又需要一定的算法。举一个简单的例子，用户想去旅游，人工智能算法就会找到当季哪一些比较适合出游的经典进行推荐。比如说你想吃东西，人工智能发现你是这个地区的人，就给你推荐本地人爱吃的，否则给你推荐外地人爱吃的。人工智能还能根据你喜欢的历史进行推荐，也能进行协同过滤，根据你喜欢的找出相似的。
人工智能算法一把会采用多种不同的算法，求出你可能喜欢什么，然后进行排序，把它认为你更有可能喜欢的放在前面，越在前面的越有可能被你看到，当然，你以为这就结束了么?
当你在页面上停留，或者点击某个人工智能推荐给你的东西之后，都会把这个数据记录下来，下次就更能判断出你的偏好。
好了，今天我们就先大概地介绍到这里，这个端午，我们会介绍下最简单的人工智能推荐算法，协同过滤，只要简单的代码就能实现，如果你有兴趣，关注我吧，这个端午让我们一起好好学习，共同进步。
