(一)推荐系统的产生背景:
传统的广告:纸质媒体,电视,广播,户外广告
特点:总体成本高,受众人群偏小(如报纸的订阅群体有限),无法有效的预测广告的效果(很难命中用户的兴趣点)。
旗帜广告(BANNER):它是互联网界最为传统也最为常见的广告表现形式,旗帜广告是横跨网页上方或下方的小公告牌,当用户单击时,鼠标就会将他们带到广告主的网站或缓冲储存页中。
特点:严重依赖流量,命中率过低
EDM:邮件群发
特点:运营商采取越来越有效的过滤政策,很难送达;用户内心反感,即使受到也置之不理。
(二)未来广告趋势:
精准:精准的推送信息,精准的受众
可以量化的准确的评测效果(根据广告效果更新模型参数)
如:利用搜索引擎关键字推广(利用搜索猜测兴趣所在)
如:利用社交网络(口碑传颂)
推荐系统:->计算广告学
(三)推荐系统所涉及的知识
电子商务业务知识
网站架构和运营
机器学习算法和数学建模
大数据计算平台(hadoop、spark、nosql)
(四)推荐系统核心困难
设计出符合业务场景的高精度推荐算法
大数据的分析与处理
某些对实时性要求较高
(五)推荐系统常用的算法
聚类(最基本)
关联模式挖掘(最基本)
大规模矩阵计算(平台相关)
文本挖掘(自然语言处理)
复杂网格和图论算法(基于社交网络时)->不适合关系型数据库和hadoop
(六)推荐系统中常用的IT技术
关系型数据库和sql
Hadoop和Map-Reduce编程
Spark,Storm等快速计算平台
Mllib等机器学习算法库->一般运行在spark上
Neo4J等图数据库或其他nosql类数据库
领取专属 10元无门槛券
私享最新 技术干货