推荐框架是当今信息科学最著名的应用之一。您可以在许多客户与许多事物进行协作的情况下应用推荐框架。推荐系统向客户推荐事物，例如书籍、电影、录音、电子产品以及许多不同的产品。

在当今文化中，我们需要推荐框架的一个关键动机是，由于互联网的普及，个人有很多选择可以使用。以前，人们习惯在实体商店购物，但里面的物品是有限的。矛盾的是，如今，互联网允许个人在网络上获取大量资源。例如，Netflix 拥有种类繁多的电影。尽管可访问数据的衡量标准有所扩大，但随着人们努力选择他们真正需要查看的内容，另一个问题出现了。这就是推荐框架发挥作用的地方。

推荐框架在当前的互联网行业中占有重要地位。几乎每个重要的技术组织都以某种结构应用了推荐框架。亚马逊利用它向客户推荐商品，YouTube 利用它来选择自动播放中下一个播放的视频，Facebook 利用它来指定要喜欢的页面和要关注的个人。对于 Netflix 和 Spotify 等某些组织来说，行动计划及其繁荣取决于其提案的力量。为了创建和维护这样的框架，组织通常需要聚集昂贵的信息研究人员和设计人员。对于 Amazon 和 Netflix 等组织来说，建议框架是重要且重要的工具，这两家公司都以定制客户体验而闻名。这些组织中的每一个都会收集和检查来自客户的细分信息，并将其添加到来自过去购买、项目评估和客户行为的数据中。然后，这些微妙之处用于预测客户将如何评价相关商品，或者客户购买额外商品的可能性有多大。

使用推荐系统的组织以扩大交易为中心，因为它提供高度定制的优惠和升级的客户体验。提案通常会加速搜索，使客户更容易获得他们感兴趣的内容，并用他们从未浏览过的优惠让他们震惊。客户开始感到被了解和理解，并且必然会购买额外的物品或吞噬更多的物质。通过了解客户的需求，组织可以占据上风，并减少因竞争者而失去客户的风险。此外，它还使组织能够将自己置于竞争对手的前面，并最终增加收入。

有不同类型的推荐系统，例如基于内容的、社区分离的、混血的推荐系统、基于分段和关键词的推荐系统。不同的专家在每种类型的建议框架中使用不同的计算方法。关于这个主题已经做了很多工作，但它仍然是信息研究人员最喜爱的一点。

信息绝对是构建推荐框架最重要的资源。基本上，您需要了解一些有关您的客户和事物的见解。您拥有的数据索引越大，您的框架运行得越好。更明智的做法是为一小部分客户建立一个基本的推荐系统，并在客户群发展后将资源投入到所有更出色的方法中。

随着网络上可访问的项目数量不断增加，提案引擎对于在线业务的最终命运至关重要。不仅因为它们有助于增加客户交易和沟通，而且因为它们将继续帮助组织摆脱库存，以便为客户提供他们真正喜欢的商品。