| 比较 | 推荐系统 | 搜索引擎 |
|---|---|---|
| 获取信息的方式不同 | 被动；模糊 | 主动；明确 |
| 个性化程度 | 高 | 低 |
| 服务特性 | 持续服务 （“好”的推荐系统往往让用户停留更多的时间，带来的增量点击，推荐成功数，成交转化提升量等） | 快速满足 （“好”的搜索算法是需要让用户获取信息的效率更高、停留时间更短。） |
| 特点 | （用户存在大量的需求是比较难用精炼的文字组织的：一方面用户不愿意，另一方面搜索对语义的理解还无法足够深入） 满足难以文字表述的需求 （所以有了“相关推荐”、“猜你喜欢”） 推荐引擎又称为无声的搜索。 | 主流的搜索引擎仍然是以文字（最简洁、直接）构成查询词，搜索查询词也大都是比较短小的 |
| 相关理论 | 长尾理论阐述了推荐系统发挥的价值 （每一个人的品味和偏好都并非和主流人群完全一致，Chris指出：当我们发现得越多，我们就越能体会到我们需要更多的选择。） | 马太效应：头部内容吸引了绝大部分点击 |
| 评价方式 | 相对宽泛，当应用于Top-N结果推荐时，MAP（Mean Average Precison）或CTR（Click Through Rate，计算广告中常用）是普遍的计量方法；当用于评分预测问题时，RMSE（Root Mean Squared Error）或MAE（Mean Absolute Error）是常见量化方法。 | 基于Cranfield评价体系，并基于信息检索中常用的评价指标 怎样量化评价搜索引擎的结果质量 |
| 相互交融 | 比如基于内容的推荐中运用了倒排索引、查询、结果归并等方法，点击反馈算法在两者中大量运用以提升效果。 | 相关推荐、相关搜索词 |
学习来源：达观数据陈运文：推荐系统和搜索引擎的关系
来源：CSDN
作者：谁怕平生太急
链接：https://blog.csdn.net/jinselizhi/article/details/104650451