企业级推荐系统是怎么做的?
Posted 匠心零度
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了企业级推荐系统是怎么做的?相关的知识,希望对你有一定的参考价值。
推荐系统从来没像现在这样,影响着我们的生活。当你上网购物时,天猫、京东会为你推荐商品;想了解资讯,头条、知乎会为你准备感兴趣的新闻和知识;想消遣放松,抖音、快手会为你奉上让你欲罢不能的短视频。
而驱动这些巨头进行推荐服务的,就是基于深度学习的推荐模型。
2019 年,阿里的千人千面系统,促成了天猫”双 11“ 2684 亿的成交额。假设通过改进天猫的商品推荐功能,使平台整体的转化率提升 1%,就能在 2684 亿元成交额的基础上,再增加 26.84 亿元。这就是推荐工程师支撑起百万年薪的主要原因。
但是,要在一个成熟的推荐系统上,找到提升的突破点或短板并不容易。不能仅仅满足于协同过滤、矩阵分解这类传统方法,而要建立起完整的深度学习推荐系统知识体系,加深对深度学习模型的理解和大数据平台的熟悉程度,才能实现整体效果上的优化。
今年上半年,因为疫情抽空看了本书叫《深度学习推荐系统》,对我启发很大,豆瓣评分也挺高的,9.3。作者是王喆,他是 Roku 资深机器学习工程师,推荐系统架构负责人,从业这些年,他一直深耕于推荐系统、计算广告领域,经验非常丰富。
最近,得知他和极客时间合作,开设了新的专栏《深度学习推荐系统实战》,我第一时间就订阅了,跟了学了几节,很想把这个专栏推荐给你。
在专栏中,他讲解了深度学习推荐系统的经典架构设计,带你掌握 Embedding 技术的主要实现方法,构建完整的推荐系统评估体系路径,搭建出一个工业级的深度学习推荐系统。
以上是关于企业级推荐系统是怎么做的?的主要内容,如果未能解决你的问题,请参考以下文章