首页 > 其他 > 详细

推荐系统之个性化落地

时间:2021-08-25 18:02:16      阅读:11      评论:0      收藏:0      [点我收藏+]

一、假设

以下假设的成立是做个性化推荐落地的逻辑基础

  • 历史行为代表用户的兴趣
  • 群体偏好可作为用户初始兴趣
  • 好商品和相关商品总是会被用户经常点击和购买

二、流程

  1. I2I数据生成:收集行为并赋予其权重,使用协同过滤内容算法计算商品与商品的相似性
  2. 候选商品找回:通过近期行为,捞取相似商品
  3. 排序:点击率预估模型(收集正负样本,用二分类模型预测点击)
  4. 打散:算法控制不能同时出现多少个同类目商品

三、问题点

  • 没有行为怎么办?可使用冷启动常用的非个性化推荐,默认排序。非个性化推荐常用热门条目或人工定义的条目,或通过注册时的信息相似度进行推荐,可充分利用社交数据。
  • 有行为没有购买怎么办?优先展示性价比高的商品,培养用户信任
  • 商品是新品怎么办?新品预测值

四、推荐流水线

  1. 初筛:时间筛选和资源筛选
  2. 召回:根据任务类型在全站商品库进行商品筛选
  3. 过滤:利用规则/模型剔除召回模块初筛商品
  4. 排序:打分预测,根据得分排序
  5. 重排:打散

五、架构图

技术分享图片

 

推荐系统之个性化落地

原文:https://www.cnblogs.com/dorsher/p/15184527.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!