关于推荐系统(一)

(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

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171219G0DRFW00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励