Netflix

概述

全球流媒体巨头，2006 年发起 Netflix Prize 竞赛推动推荐系统技术革命，其 Cinematch 推荐引擎和公开数据集奠定了矩阵分解方法的工业地位。

关键内容

1. Netflix Prize 发起者：2006 年 10 月，Netflix 向全球发出价值 100 万美元的挑战——谁能将其推荐算法 Cinematch 的评分预测精度（RMSE）提升 10%，即可获奖。同时公开了包含 1 亿条评分、48 万用户、17,770 部电影的数据集，成为推荐系统研究史上最重要的公开数据集之一。
2. Cinematch 基线：竞赛前 Netflix 的推荐引擎 Cinematch 基线 RMSE 为 0.9514。这一基线成为了后续所有推荐算法比较的参考点。
3. 工业影响：Netflix Prize 竞赛持续近三年（2006-2009），吸引来自 186 个国家超过 40,000 支队伍参赛。竞赛结果证明矩阵分解方法在精度上全面超越传统近邻协同过滤，推动了 Spotify、Amazon、YouTube 等大量工业推荐系统采用矩阵分解技术。
4. 数据稀疏度：Netflix 数据集的稀疏度高达 98.8%，这一极端稀疏场景暴露了传统方法的天花板，催生了隐因子模型的崛起。

来源

• 04-matrix-factorization-for-recsys.md — 深度解读 Matrix Factorization Techniques for Recommender Systems

相关

• Netflix Prize — 发起的竞赛
• Cinematch — 原有推荐引擎
• BellKor — 竞赛获胜团队
• 矩阵分解 — 竞赛中确立的主导技术