推荐系统知识框架
2022-01-04 09:06:15 1 举报AI智能生成
登录查看完整内容
推荐系统知识纲要
作者其他创作
大纲/内容
推荐系统
思路
亚马逊率先采用个性化商品推荐，35%的购买由该系统贡献
可用数据从商品延伸向用户：交易、行为、属性、物联、传感
挖掘所需技术能力不断提高：表格、日志、文本、图像、语音、视频
千人千面走向私人定制，协助方案设计、定价分析、降本增效
用户行为建模
显示偏好
获客、浏览、点击、购买、转发、评价
隐式兴趣
细分群体
分类
根据规则筛选，人工标注
SVM
聚类
标签化
高价值用户、价格敏感、钟情大牌、大神用户、小白用户、偏好流行、偏好小众
推荐算法
基于内容
用户特征和物品特征匹配
惊喜度较差，存在冷启动问题
协同过滤
基于距离计算公式
相似度计算
偏好和兴趣随时间变化
离线
长期、短期、近期
近线
实时
基于用户协同过滤的核心，一般采用皮尔逊相似度
用户行为数据具有时效性，所以特征做时间段划分
基于模型
pLSA、LDA、SVM、SVD
基于知识
用户需求和物品的相似度
明确的推荐规则为主
与基于内容和协同过滤互补
基于统计
全局热门
分类热门
结果融合
加权混合、交叉混合、分级混合
切换混合
场景决定算法
新闻推荐
首先基于内容、其次协同过滤、最后朴素贝叶斯找到长期兴趣匹配结果
串联混合
后面的算法对前面的不断优化
重排序
LTR-learning to rank
按点、按对、按表
LR、SVM、DT
模型上线
离线测试
交叉验证
在线测试
AB测试
0 条评论
回复 删除
下一页
