快手类推荐系统实践

1. 什么是推荐系统

推荐系统是一种信息过滤系统,近年来非常流行,应用于各行各业。 比如大家耳熟能详的快手、头条、手机百度、淘宝、京东、应用宝...几乎各个平台都有一个智能推荐的功能。

2. 推荐的主要方法

推荐系统产生推荐列表的方式通常有两种:

  • 基于算法的推荐:协同过滤,逻辑回归、决策树
  • 基于内容推荐

协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。

基于内容推荐利用一些列有关物品的离散特征,推荐出具有类似性质的相似物品。两种方法经常互相结合。

3. 推荐的两大特征

推荐主要有两大特征:

  • 1、推荐存在两个主体,用户(USER)和物品(ITEM)
  • 2、推荐是个性化的,每个用户得到推荐的物品是不同的,是极大程度上符合个人喜好的

个性化推荐最常出现且大家都很熟悉的场景就是电商(淘宝、京东)了,大家经常会有这样的感觉,经常看和点击甚至购买的物品及其类别,甚至相关物品和品类,总是会经常出现,这里面就是多种推荐算法打分组合后输出的结果。

4. 推荐系统架构

4 如何进行个性化推荐?

  1. 先明确地点、人物、时间、事件以及数据
  2. 搭建特征
    1. 首先你需要选取3大类数据指标。
    2. 组合上一步中的特征,分为用户特征和物品特征,分别组合为两部分(两个表)。
    3. 在导入LR模型进行训练之前还需要做一些特征工程的工作:
  3. 选择样本及模型训练预测
    1. 通过具体场景和人物选择好正负样本
    2. 模型训练
    3. 模型评估
    4. 预测

为了让大家更好的了解如何搭建推荐系统以及深度剖析内部原理,我准备了一节公开课,通过视频讲解、动画演示、应用场景等多方面来跟大家补充完善。

智能推荐系统剖析 (2月8号20:00-22:00):

  1. 推荐 & 搜索
  2. 淘宝京东『猜你喜欢』剖析
  3. 快手推荐系统原理与数学模型
  4. 优酷推荐系统实战

如果没赶上,会有录像回放的全部免费噢。

我姓钱,大家可以叫我钱老师,前阿里巴巴算法专家。研究领域:自然语言处理、数据挖掘、大数据架构、图像处理。 先后参与过阿里彩票、淘宝推荐、一淘、阿里云、数据魔方等多个项目的算法平台研发,并受邀为超过100家IT企业提供机器学习与大数据顶层设计咨询服务。

资料下载

1. 推荐系统PPT截图及下载:

2. 视频下载:

除了推荐系统的公开课,还有以上这些可供大家参考学习。

原文发布于微信公众号 - 机器学习算法全栈工程师(Jeemy110)

原文发表时间:2018-02-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

扫码关注云+社区