你好，我是杨四昌。

通过前一节课的介绍，我们已经对 5G 涉及的范围和内容有了整体的认识。现在我们进入到“从技术视角看 5G”这个模块的学习，在这里我会用 8 节课的时间与你一起顺着 5G 技术标准和 5G 解决方案这两条主线，从不同角度来了解和学习 5G。

我会在这一年中介绍一些总部在西雅图，或者研发中心里面很重要的一部分在西雅图的 IT 公司。这其中除了微软和亚马逊这样的大鳄以外，还囊括了诸多在不同领域取得一定统治地位的公司们。

063 | 简单推荐模型之一：基于流行度的推荐模型

今天，我们正式进入专栏的另一个比较大的模块，那就是推荐系统。之前我们详细且全面地介绍了搜索系统的各个组成部分。在接下来的几周时间里，我们一起来看推荐系统的技术要点又有哪些。

上次我说到了克雷公司的发展历程，它最初是克雷博士为了研究新一代的基于集成电路的超级计算机而成立的克雷研究公司。

由于产品一度非常领先，克雷研究公司的生意非常不错。然而随着市场需求的变化，公司试图调整经营方向，但克雷博士的兴趣仍然聚焦在研发新型超级计算机上，两者最终分道扬镳。

064 | 简单推荐模型之二：基于相似信息的推荐模型

这周我们开始讲推荐系统。周一的文章中，我们聊了一个最基本的推荐模型：基于流行度的推荐模型。这是一种简单且实用的推荐系统搭建方式，那就是需要对每一个物品的流行度进行估计。

用亚马逊创始人贝佐斯自己的话形容，亚马逊领导力准则是这家公司取得如此辉煌成就的基石。认真学习这些领导力准则，不但有助于理解亚马逊的企业文化，也可以帮助我们分析亚马逊如何取得了这样举世瞩目的成就。

065 | 简单推荐模型之三：基于内容信息的推荐模型

周一的文章中，我们聊了一个最基本的基于流行度的推荐模型。周三我们讨论了基于相似信息的推荐模型。基于相似信息的推荐模型，其核心就是协同过滤的思想，希望能够通过相似的用户或者相似的物品来对当前的场景进行推荐。

我会在这一年中介绍一些总部在西雅图，或者研发中心里面很重要的一部分在西雅图的 IT 公司。这其中除了微软和亚马逊这样的大鳄以外，还囊括了诸多在不同领域取得一定统治地位的公司们。

066 | 基于隐变量的模型之一：矩阵分解

上周我们聊了三个简单的推荐模型，分别是基于流行度的推荐模型，基于相似信息的推荐模型和基于内容特征的推荐模型。

这周，我们来看一类非常重要的推荐模型：基于隐变量的推荐模型。这类模型的优势是对用户和物品信息中的隐含结构进行建模，从而能够挖掘更加深层次的用户和物品关系。

创业公司经常会思考一个问题，就是公司发展到一定规模之后，是否希望被大公司收购。但是被收购就一定万事大吉吗？未必。一个处理不好，就可能导致双方都不开心的局面，Bungie 被微软收购的例子多少可以说明些问题。