<strike id="rnbvz"><bdo id="rnbvz"></bdo></strike>
<th id="rnbvz"></th>

  • <nav id="rnbvz"><optgroup id="rnbvz"></optgroup></nav><button id="rnbvz"><acronym id="rnbvz"><cite id="rnbvz"></cite></acronym></button>
    <dd id="rnbvz"></dd>
    <button id="rnbvz"><object id="rnbvz"><input id="rnbvz"></input></object></button>

    <rp id="rnbvz"><object id="rnbvz"><blockquote id="rnbvz"></blockquote></object></rp>
    <em id="rnbvz"><acronym id="rnbvz"><u id="rnbvz"></u></acronym></em>
      <dd id="rnbvz"><track id="rnbvz"></track></dd>
    1. 微信掃一掃
      查看招生簡章

      雙十一到了,那么京東、淘寶背后的推薦系統到底是怎么實現的呢?

      責任編輯:周萌萌 來源:北大青鳥IT學院

      打開淘寶,首頁內容會給你推薦很多商品,這些商品有的是你曾經瀏覽過、類似的物品,有些是你可能潛意識里有過的物品,于是你不斷的刷著淘寶,不斷的點進去看,不斷的買買買。打開抖音,首頁推薦了很多視頻,或許是你的親人同學同事相關內容,或許是美食旅游帥哥美女搞笑,但都有一個特點,你很感興趣,你停不下來看的節奏。

      打開美團,首頁給你推薦了很多美食,單是火鍋,就有好吃的、距離你最近的、最便宜的,再到其它的奶茶等等,于是你就不斷的查看挑選,最終選擇了最心儀的店鋪與美食。

      打開今日頭條,首頁同樣會給你推薦很多內容,小紅書、知乎、騰訊新聞、微博等,似乎它們展示的內容差不多你都感興趣,好像很懂你的心,最終讓你付出了時間、精力、金錢的成本。那么它們背后的推薦系統到底是怎么實現的呢?

      推薦系統包含兩類,基于人和基于物的推薦。所謂基于人的推薦就是根據用戶的歷史行為、興趣愛好推薦,比如在淘寶你最近瀏覽了Nike的運動鞋,那么再次打開就會給你推薦Nike的運動鞋、阿迪的運動鞋。所謂基于物的推薦就是根據正在瀏覽商品的推薦,比如你在淘寶正在瀏覽Nike的運動鞋,劃到底部時會給你推薦同款或不同顏色型號的運動鞋。要做推薦系統,除了系統本身之外,有兩大不可或缺的因素:海量數據、人工智能算法。


      在推薦系統中包含數據排序層、融合過濾層、召回層、數據存儲層、計算平臺層、數據源,數據排序層則是根據人工智能算法,篩選出更精準的推薦內容給到用戶,如LR(Logistic Regression)邏輯回歸算法、DeepFM(DeepFactorizationMachine)算法將特征數據組合給到用戶;過濾層就是將召回層基于不同規則召回來的數據進行融合過濾,召回層就是通過各種推薦策略,如基于內容將數據獲取回來,數據存儲層就是將清洗后的用戶數據使用Hbase、MongDB等大數據庫存儲起來,計算平臺層就是將底層的各種數據進行清洗加工,使用spark離線計算或flink實時計算處理,數據源就是從日志、數據庫中獲取物品數據、用戶數據、業務數據。

      介紹了推薦系統的架構后,我們來看看推薦系統最重要的模塊-算法,在推薦系統中有四類算法。

      1、基于內容的推薦算法,根據用戶的瀏覽記錄、購買記錄推薦相似的物品。一般使用邏輯回歸算法,將用戶的瀏覽記錄和項目的信息、離散特征,通過編碼;將數值類特征歸一化,或者通過分桶技術,進行離散化;然后通過LR模型進行訓練。LR模型很穩定,這種算法很簡單但不夠智能。

      2、基于協同過濾的推薦算法,及將擁有相同經驗或相同喜好用戶群體的物品互相推薦,比如Alice和Bob都購買了啤酒、尿布,在協調過濾中會認為Alice和Bob是類似的人,在Alice的商品瀏覽頁會推薦Bob曾經瀏覽過的商品,或者在Bob的商品瀏覽頁會推薦Alice曾經瀏覽過的商品;

      3、混合推薦算法,即將不同的算法混合使用,在不同階段使用不同的推薦算法,呈現給到用戶;

      4、基于模型的推薦算法,即將用戶特征(比如年齡、性別、地域、消費能力、消費愛好)等和商品的特性作為特征,使用機器學習算法進行訓練,預測用戶對商品的喜好程度,推薦商品給到用戶,甚至作為商業產品賣給廣告主,按點擊率計費。

      在真實業務場景中,要做一個推薦系統還是很有挑戰的,首先在數據源部分有結構化、非結構化的數據,需要先將采集的數據做清理之后,才能用于機器模型訓練;其次如何權衡算法和性能,生產環境的數據非常之多,非常之復雜,如何在最快的響應時間內推薦給到用戶最智能的數據呢?;最后用戶的興趣愛好是不斷在變的,具有實時性,使用歷史數據進行推薦,不夠準確;

      又是一年雙十一要到了,淘寶、口碑、京東等等各大平臺的預售已經開始了,在你打開App準備雙十一買買買的時候,也可以思考下這背后的邏輯噢。平時在刷知乎刷小紅書刷微博刷抖音的時候。也可以結合今天介紹的知識,鞏固加深對業務、算法的理解,做好互聯網的搬磚工~


      北大青鳥招生簡章

      職教規劃指導

      周老師

      周老師

      從事職業教育指導規劃十年有余,致力于幫助廣大學子找到更適合自己的升學指導規劃

      立即在線咨詢
      中文字幕在线观视频2020_国产在线精品一区二区不卡_一级A特黄性色生活片_国产av夜夜爱夜夜操
      <strike id="rnbvz"><bdo id="rnbvz"></bdo></strike>
      <th id="rnbvz"></th>

    2. <nav id="rnbvz"><optgroup id="rnbvz"></optgroup></nav><button id="rnbvz"><acronym id="rnbvz"><cite id="rnbvz"></cite></acronym></button>
      <dd id="rnbvz"></dd>
      <button id="rnbvz"><object id="rnbvz"><input id="rnbvz"></input></object></button>

      <rp id="rnbvz"><object id="rnbvz"><blockquote id="rnbvz"></blockquote></object></rp>
      <em id="rnbvz"><acronym id="rnbvz"><u id="rnbvz"></u></acronym></em>
        <dd id="rnbvz"><track id="rnbvz"></track></dd>