1.智能算法的推荐
1)开源大数据平台的普及
1PB=1024*1024GB
2)机器学习算法的突破
研究算法,为机器设定程序,自我的识别。
l 无监督的机器学习 聚类 没有分类训练
l 有监督的机器学习 分类 有分类训练 (逻辑回归算法)
l 对抗生成网
l 卷积神经网 处理图像不需要显式特征
以上都属于推荐算法
3)移动化联网的繁荣
4)用户习惯的改变
去中心化
个性化
PUII-PUSH/FEED
2.关联规则推荐
1) 关联性 (笔和纸)
支持度 A与B同时读
置信度 先A后B
提升度 A对B 的提升 >1优势
2)关联规则的挖掘:
从资料中寻找高频项目组
从高频中进行关联挖掘
Apriori简单明了容易实现
缺点:扫描次数过多,采用唯一最小支持度,算法的适用面窄
基于划分的算法
数据划分,分而治之,并进行计算
FP-Growth
压缩为一颗树结构方便解决提高效率
关联规则特点:
1) 计算量大
2) 采用用户数据,存在冷启动的稀缺性问题
3) 存在热门项目被过度推荐的问题
3.推荐算法的评估
在线评估
1. a\b测试
2. 使用场景:体验优化,转化率优化 、 广告的优化、 算法的优化
3. 指标:单击率 越高越好 转换率 阅读时长
领取专属 10元无门槛券
私享最新 技术干货