机器学习遇上手机推送

最近机器学习非常火，了解了一些之后，就在想机器学习和我现在做的工作是否有一些结合点。买了一本《机器学习实战》，简单地看了一下，发现了一个比较有趣的方向：精准推送。有这个想法，主要是看到了推荐系统（recommender system），通过算法推荐给用户想要看到的内容或者喜欢的内容。然后就在想手机推送其实也有这个问题，手机每天都接受很多推送，很多都是用户不感兴趣的，甚至反感的。如果能够精准的推送，用户喜欢的内容，关注的内容，这样用户不仅不反感，还能够提高打开率。

推荐系统简介

从用户的角度，电商网站上的相似商品或者你可能会买，音乐应用上的音乐推荐，新闻应用上的你关注的新闻等。从开发者的角度，就是要挖掘用户关心的内容，感兴趣的内容推送给用户。

如图：[被某东发现了，其实我是个吃货。]

一种常用的算法是邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法，是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

听起来有点意思，但是有什么用呢？

最近某宝APP，经常会推送：我已经猜到你想买XXX了？，本来要找手机推送的图的，先用电脑的代替一下。

这种推荐在某宝，某东等网站上经常看到。多次观察之后，发现它其实是根据我的购买记录，浏览记录来推荐的。应该是根据你曾经买过的商品，推荐类似的商品。

这个东西在手机推送上怎么做呢？

现在的推送一般都支持别名，标签推送，都是比较精准的推送。比如说给一个用户打一个“吃货”的标签，如果有美食相关的内容，就可以推送给这个用户，他就可能感兴趣。

推荐系统可以做的更多，比如说上文提到的 kNN 算法，每一个用户都有很多个标签，然后根据算法得出和某一个用户 A 兴趣最相近的几个用户。如果他们都已经购买了 B 商品，就可能给 A 用户推送 B 商品。

做起来是否会很麻烦呢？

是，还没有看到非常简易的库来专门做这个事情。

挖坑：1.根据用户过往推送记录给用户打标签，比如推送“娱乐”类，用户打开率较高，就给用户打上“娱乐”标签。2.根据用户的标签，找出和他最接近的用户。或者根据他的历史打开记录，来选择性的给他推送内容。

还是比较模糊的想法，还没有找到很好的切入点，来做到精准推送，先挖坑记录一下。