温馨提示:文本由机器自动转译,部分词句存在误差,以视频为准
00:01
接下来我们要进行一个推荐系统的项目实践,在之前的课程当中呢,我们已经讲过了电影推荐系统,而这一次我们应用的业务背景是一个电商网站,所以我们接下来要做的呢,是一个电商推荐系统。那大家看到在这份文档当中,对整个系统的设计和实现都有一个详细的介绍了,呃,大家知道现在大数据已经成了各个互联网公司工作当中的一个重点方向,而推荐系统呢,可以说。呃,已经是大数据最好的落地应用之一,它给互联网公司啊,这些企业带来的收益可以说是真金白银,真实可见的,那特别是对于电商推荐系统,可以说直接影响到了一个电商企业的销售业绩,大家想一想,一个好的推荐系统可以对一个电商网站的销售额带来多大的影响呢?
01:06
呃,我们可以来看一下。呃,大家看到这就是中文亚马逊的网站,那我们知道亚马逊其实是在个性化推荐领域可以说是一个领跑者了,很多经典的推荐算法其实都是来自于亚马逊的。一位在亚马逊工作过的科学家在他自己的博客当中透露,啊,亚马逊当时的销售额有多少都来自于推荐系统的贡献呢?这个比例可以达到20%~35%。那么我们都知道,以亚马逊的体量,大家可以想象一下这是多么大的一个数额,所以大家可以看到在亚马逊的页面上呢,推荐列表占据了非常显著的一个位置,而我们接下来即将要做的这个电商推荐系统,其实也就是类似的这样一个东西。我们基于的数据其实也就是。
02:09
经过修改的中文亚马逊的真实的电商数据集,而我们也会基于某个电商网站真实的业务架构来做为基础,构建我们整个的系统。呃,那在整个的系统当中呢,会包含离线推荐和实时推荐两大部分,具体来说,离线这一部分包含了基于统计的推荐模块和基于英语模型的协同过滤推荐模块,而实时这一部分呢,我们主要是自定义了一个模型来进行实时的推荐计算,除此之外还有基于内容和基于item CF的相似推荐模块啊,所以大家会看到。整体来讲会涉及到一些机器学习和推荐系统相关的算法和知识,另外呢,整个项目的综合性也是比较强的,大家如果有不了解的或者是已经遗忘的知识点,可以翻回去再看一下啊,我们之前的一些教学视频。
03:16
如果大家在之前已经学习过电影推荐系统项目的话,那其实会发现整个的架构和思想都是非常接近的,只需要切换一下数据源,切换到不同的业务场景就可以了。所以学完这一部分内容,相信大家其实也可以一通百通,对整个推荐系统有更加深刻的理解。另外呢,希望大家通过这个项目能够将之前已经学习到的大数据相关的知识和工具有一个系统性的总结和回顾,而且可以了解到推荐系统在我们电商企业大数据当中的实际应用,那么积累更多的项目经验,可以为以后的工作打下坚实的基础。好了,那么接下来我们就正式开始学习这一部分内容。
我来说两句