前置课程推荐系统简介

Posted 大数据Manor

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了前置课程推荐系统简介相关的知识,希望对你有一定的参考价值。

一 推荐系统简介

​ 个性化推荐(推荐系统)经历了多年的发展,已经成为互联网产品的标配,也是AI成功落地的分支之一,在电商(淘宝/京东)、资讯(今日头条/微博)、音乐(网易云音乐/QQ音乐)、短视频(抖音/快手)等热门应用中,推荐系统都是核心组件之一。

  • 推荐系统产生背景

    • 信息过载 & 用户需求不明确
      • 分类⽬录(1990s):覆盖少量热门⽹站。Hao123 Yahoo
      • 搜索引擎(2000s):通过搜索词明确需求。Google Baidu
      • 推荐系统(2010s):不需要⽤户提供明确的需求,通过分析⽤
        户的历史⾏为给⽤户的兴趣进⾏建模,从⽽主动给⽤户推荐能
        够满⾜他们兴趣和需求的信息。
  • 什么是推荐系统

    • 没有明确需求的用户访问了我们的服务, 且服务的物品对用户构成了信息过载, 系统通过一定的规则对物品进行排序,并将排在前面的物品展示给用户,这样的系统就是推荐系统
  • 推荐系统 V.S. 搜索引擎

    搜索推荐
    行为方式 主动 被动
    意图 明确 模糊
    个性化
    流量分布 马太效应 长尾效应
    目标 快速满足 持续服务
    评估指标 简明 复杂
  • 推荐系统的作用

    • 高效连接用户和物品, 发现长尾商品
    • 留住用户和内容生产者, 实现商业目标
  • 推荐系统的工作原理

    • 社会化推荐 向朋友咨询, 社会化推荐, 让好友给自己推荐物品
    • 基于内容的推荐 打开搜索引擎, 输入自己喜欢的演员的名字, 然后看看返回结果中还有什么电影是自己没看过的
    • 基于流行度的推荐 查看票房排行榜,
    • 基于协同过滤的推荐 找到和自己历史兴趣相似的用户, 看看他们最近在看什么电影
  • 推荐系统的应用场景 feed 流 信息流

  • 推荐系统和Web项目的区别

    • 稳定的信息流通系统 V.S. 通过信息过滤实现目标提升
      • web项目: 处理复杂逻辑 处理高并发 实现高可用 为用户提供稳定服务, 构建一个稳定的信息流通的服务
      • 推荐系统: 追求指标增长, 留存率/阅读时间/GMV (Gross Merchandise Volume电商网站成交金额)/视频网站VV (Video View)
    • 确定 V.S. 不确定思维
      • web项目: 对结果有确定预期
        e Volume电商网站成交金额)/视频网站VV (Video View)
    • 确定 V.S. 不确定思维
      • web项目: 对结果有确定预期
      • 推荐系统: 结果是概率问题

以上是关于前置课程推荐系统简介的主要内容,如果未能解决你的问题,请参考以下文章

03spark大数据互联网项目实战推荐系统(全套)

[机器学习]推荐系统简介——一起来看看你是怎么被大数据杀熟的

大数据推荐系统算法代码全接触(企业内训,现场实录,机器学习算法+Spark实现)

大数据推荐系统算法代码全接触(企业内训,现场实录,机器学习算法+Spark实现)

基于 Apache Flink + Hologres 的实时推荐系统架构解析

个性化推荐系统简介