作为一个推荐系统的门外汉，或者说是用户，我觉得推荐系统有以下几个特性。
- 推荐系统的真实目的并不是做到让用户满意，而是提高销售能力，业务水平和收益。
- 一个好的推荐系统并不是推荐用户最喜爱/想要的东西，量化评判一个推荐系统的好坏依然是工业界，学术界难点。
- 相同的推荐算法应用于不同的系统，结果必然不同。
- 简单易懂的推荐算法往往能获得意想不到的效果。
论文推荐系统与普通的推荐乍一看很相似，实则有很大的差异。
1. 一来学术论文的专业性很强，不可能把一篇关于电磁干扰技术的论文推荐给一名医学研究者；
2. 另一方面，学科交叉是学术研究的趋势，也是学术创新的一个关键点，一个推荐系统有理由将材料学、化学、生物或是计算机的科研工作推荐给上述的医学研究者，但是这并不能当做推荐的主流；
3. 同时，我们可以假设这名学医的在闲暇时间对天文学有着极大的兴趣，那为什么不推荐几篇太空探索的论文给这名学医者“摸鱼”呢？
除上述几点之外，还有很多意想不到的复杂情况，这些要求一个学术推荐系统有较强的应变能力。
待更新---
