问推荐系统如何实现精准推荐？

推荐算法现在应用的确实很广泛的，但是目前我觉得能真正实现精准的推荐的还是比较难的，因为一个好的推荐系统的话，它要考虑的问题就比较多了，比如被推荐用户群体的消费观和认知观还有消费能力，更关键的是用户是否对你推荐的感兴趣吧，我觉得不光是针对这个推荐系统，就像一个人在择业时考虑的很重要的一点也还是感兴趣程度了，这是我们众所周知的道理吧。

图源：https://blog.csdn.net/tianjun2012/article/details/55260371

而如果一定要说什么推荐算法是比较精准的话，那就是目前应用最多且比较成熟的一种推荐系统——基于spark的精准推荐系统。这种推荐系统是为了满足挖掘分析与交互式实时查询的计算需求而被设计的，其在应用上早在三年多以前就已经和腾讯、雅虎、优酷这些顶尖公司上得到应用了。可以说未来精准推荐会得到越来越多的应用吧，而且还会应用的越来越好吧。

这个实现的话需要比较强的技术来支撑啊，而且精准推荐算法来看，其实现方式更是不容易，目前讨论研究这个的确实挺多的，我最熟悉的可以用下面两种方式来实现精准推荐：

1．聚类技术和实时协同过滤算法

在算法上，一般采用的是模糊聚类等聚类技术，比如EM、K-means等算法，这些算法在一定层度上都能提高推荐速度的。还有聚类技术更是可以缩短用户的搜索范围从而实现精准推荐。

2．基于Kiji框架的方式

首先这是一种开源框架，而且他在本质上来说是用来构建大数据应用和实时推荐系统的，是用来对HBase上层的一种封装方式，其通过Avro进行与用户之间就HBase管理结构化数据进行融合，从而能够获取用户姓名、地址等信息。

图源互联网

这种不就是大数据之类的吗？不过感觉确实很神奇的唉。。。