032-233675954
当前位置:主页»客户评价»

一文带你掌握推荐系统

文章出处:开云app登录入口 人气:发表时间:2023-10-07 00:27
本文摘要:本文的主要内容是推荐系统相关的工具,会涵盖推荐系统相关的大部门知识点,对于非技术人员应该是能基本相识推荐系统了。建议Mark之后逐步看,究竟文章有点长,而且第一遍也纷歧定能看懂… 本文主要包罗推荐系统的相关观点、推荐系统的架构和流程、常见的推荐算法、挖掘、召回、排序、评估和总结这几部门。观点部门会简述推荐系统相关的理论知识,架构和流程主要是先容推荐系统的通用架构和通例的推荐流程。 算法部门主要是一些常见的推荐算法先容,挖掘》召回》排序主要是基于推荐流程的详细展开。

开云app登录入口

本文的主要内容是推荐系统相关的工具,会涵盖推荐系统相关的大部门知识点,对于非技术人员应该是能基本相识推荐系统了。建议Mark之后逐步看,究竟文章有点长,而且第一遍也纷歧定能看懂… 本文主要包罗推荐系统的相关观点、推荐系统的架构和流程、常见的推荐算法、挖掘、召回、排序、评估和总结这几部门。观点部门会简述推荐系统相关的理论知识,架构和流程主要是先容推荐系统的通用架构和通例的推荐流程。

算法部门主要是一些常见的推荐算法先容,挖掘》召回》排序主要是基于推荐流程的详细展开。评估部门指的是如何评估一个推荐系统的优劣,总结部门主要是整体内容的回首,以及一个真实推荐系统的案例。可以根据小我私家兴趣直接跳至对应的小节浏览,也可以根据顺序举行阅读,遇到看不懂的部门建议先跳过,遇到读不下去的情况,建议先Mark… 以下,开始正文部门。

推荐系统的相关观点在正式展开文章之前,我们先简朴的相识下推荐系统相关的理论知识。什么是推荐系统先来看下Wiki的界说:一种信息过滤系统,用来预测用户对物品的行为和偏好。

根据字面意思明白下来,就是资助过滤信息,预测用户对物品的行为和偏好。在今日头条曹欢欢博士的一次分享中提到了这样一个界说:资讯推荐系统本质上要解决用户,资讯和情况的匹配,y=F(Xi,Xu,Xc) 感受把这个界说延伸到其他推荐系统上也是建立的,那就是推荐系统本质上要解决用户,物品和情况的匹配问题,资助建设用户和物品之间的毗连。

回到界说自己,理论上说能实现这个功效的系统都可以称之为推荐系统。为什么要有推荐系统先往返顾一下互联网降生到现在为止,我们寻找信息方式的变化历程… 最早期的时候,信息是比力稀缺的,谁人时候信息比力疏散,寻找的效率较低,主要是人找信息。厥后信息逐渐富厚起来了,有些人或者公司专门把种种信息聚集在一个地方,人们可以通过类目导航举行查找,典型的公司是三大门户。

再厥后信息量越来越大,人工添加的类目已经不能笼罩所有信息了,于是降生了另外一种信息获取方式——搜索,典型的公司是Google、百度。再再厥后,人与信息的关系从单向的人找信息演酿成了现在的双向关系,人在海量的信息中找着自己需要的工具,同时海量的信息也在找合适的人。从这个演化历程中,我们可以看到推荐系统的泛起有两个重要的前提,一个是信息过载,一个是需求不明确。

数量有限的情况下基础不需要推荐,用户自己就能浏览完所有的物品。再往后生长,数量级不大的情况下,人工干预就可以解决,当人工干预也无法解决时,这个时候就需要推荐系统了。当用户需求比力明确的时候,用户会倾向于使用搜索,需求不太明确时,基于用户历史的一些行为和偏好给用户推荐一些工具能让用户先留下来,在逛的历程中可能就发生了一些新的诉求。

从以上的部门可以看到推荐系统是一个多方共赢的存在:对用户而言,能够发现自己感兴趣的工具,提升用户体验;对物品而言,能够掘客长尾物品的使用效率,盘活整体资源;对平台而言,能够获取用户价值和商业价值。推荐系统典型的应用场景好比电商类的买了又买、看了又看,社交产物中你可能感兴趣的人,音乐影戏中的猜你喜欢,以及一些信息流产物等。

你需要推荐系统么既然推荐系统那么好,要不在产物中加一个呗? 在决议如何加一个推荐系统之前,先确定要不要做,以及投入产出比是否合适。首先对于差别业务模式,差别阶段的业务需要关注的偏重点是差别的,好比一个工具型产物需要推荐系统么,一个资讯App的早期需要推荐系统么… 其次推荐系统短期内的价值容易被高估,而且搭建起来也是比力费时艰苦花钱的。虽然用一些简朴的算法就可以有一定的效果,想进一步提升效果,则需要很大的投入。事情都是相对而言的,详细是否需要搭建推荐系统,需联合业务模式、时间点、战略需求、团队能力等多方面因素综合思量…推荐系统的架构和流程这部门主要是关于推荐系统整体的架构以及如何实现推荐流程的。

通用推荐架构这部门内容主要分为整体技术框架,推荐系统架构、推荐引擎架构这几部门。它们依次为包罗关系,推荐系统是整体技术框架中的一环,推荐引擎又是推荐系统的一环。整体技术框架 下图为推荐系统的整体技术框架: 从下往上依次为数据的生产、存储、候选集触发,融合过滤重排序。

重排序之后就是输出的推荐效果,然后再供各业务挪用,好比猜你喜欢,看了又看,买了又买… 推荐系统架构整个推荐系统可以看作是一个加工厂,输入用户和物品数据,输出用户可能会感兴趣的物品清单,然后从物品清单中取前若干个作为推荐效果给到用户。在这个历程中还需要做一些过滤,排序事情,输出效果的时候最好能让用户知道为什么推荐这个工具,这样用户的接受度会高一些。

好比已经发生了一个用户可能感兴趣物品的Top100,之后需要把用户已经买过的工具过滤掉。然后再基于用户的一些历史行为举行排序,好比经常看的工具权重高一些,良久之前看的工具权重低一些,最终排一个名次,再根据排序名次取前10个展示给用户。要实现这个效果,就需要依赖于许多推荐引擎,简朴明白就是会许多个推荐人,各自卖力推荐一些候选效果。

推荐引擎架构单个推荐引擎和整体推荐架构没什么特别大的差异,无非是推荐引擎先自己走一遍推荐流程,把输出的推荐效果作为新的输入部门,再走一遍推荐流程。推荐引擎整体可以分为四部门,划分是用户特征、物品候选集、用户-物品匹配、过滤、融合和排序。用户特征部门做的事情主要是将用户的行为数据(点击、浏览、购置等)和属性数据(人口属性、用户关系、兴趣喜好等)转化为对应的特征,供用户-物品。


本文关键词:开云app登录入口,一文,带你,掌握,推荐,系统,本文,的,主要,内容

本文来源:开云app登录入口-www.zzchidaoyu.com

同类文章排行

最新资讯文章

Copyright © 2009-2023 www.zzchidaoyu.com. 开云app登录入口科技 版权所有  http://www.zzchidaoyu.com  XML地图  开云APP·官方入口(kaiyun)(中国)官方网站IOS/Android/手机app下载