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。