"通过基于机器学习的推荐算法来掌握消费者自己也不知道的喜好。"

 一提到个性化推荐功能的成功案例，必然离不开会员数超过1亿的全球最大流媒体平台Netflix。Netflix在个性化视频推荐服务方面下很大功夫。通过基于机器学习的推荐算法，不仅推荐用户喜爱的视频，还会推荐连用户自己都不知道自己会喜欢的视频。举例来说，若用户在看特定类型的电影时，常常因鬼魂或怪物出现的恐怖画面而放弃收看，系统就会记住这种倾向，并在推荐清单上删除有类似画面的视频。Netflix有关人士就此表示，推荐清单依据用户的收看习惯而不同，因此用户收看时间越长，越能感觉到这个系统确实依个人喜好主动推荐视频。

 "买了口红，是不是还需要小镜子？"

 亚马逊和Netflix一样具备强大的推荐系统。亚马逊分析会员的消费倾向，推荐有可能购买的产品。据统计显示，亚马逊销售额的35%来自于其个性化推荐系统。亚马逊的推荐系统中，A9算法会先建立决定产品相关性的矩阵，然后再基于用户最新输入的数据，推测用户喜好并推荐产品。比方说用户搜索"三星电视"，个性化推荐系统就会立即推荐认为与三星电视有关的"家庭影院"或"HDMI线"等产品。为了达到这一目标，要先建立数百万种产品、数千万用户的个别矩阵，而这种分析和推荐技术均得益于日益发展的大数据技术以及突飞猛进的分析能力。

 "通过学习与分析技术，预测点击概率较大的新闻。"

 对提供24小时新闻服务的门户网站来说，推荐技术可谓关键技术。因为分析用户喜好后显示点击概率较大的新闻，有助于吸引更多用户，而一个能按用户喜好及时推荐新闻的系统必然能给用户带来便利。Kakao的个性化新闻推荐系统"RUBICS"自2015年6月问世以来，结合机器学习与人工智能技术，发展到今天的水平。Kakao指出，该系统不仅仅局限于根据用户登录后点击的新闻来推荐与之相似的新闻，或按性别和年龄显示用户喜爱的新闻，而是对最近新闻进行加权，调整已点击新闻的加权值，反映用户偏好等，通过学习与分析来更加准确地预测点击概率较大的新闻。