-
推荐无处不在
-
电商
-
视频
-
资讯
-
音乐
-
……
-
-
推荐的作用
-
对用户:在信息过载的情况下,高效获取感兴趣的信息
-
对公司:吸引用户、留住用户、商业变现、商业目标连续增长
-
-
YouTube推荐系统
-
观看时长是优化目标
-
广告是其主要收入来源
-
观看时长与广告曝光成正比,提升观看时长推动公司利润持续增长
-
预测观看时长->按预测时长对候选视频排序->形成推荐列表
-
-
电商平台推荐系统
-
推荐的商品直接影响用户的购买转化率
-
-
推荐系统架构
-
用户信息、物品信息、场景信息
-
数据部分
-
客户端及服务端实时数据处理
-
流处理平台准实时数据处理
-
大数据平台离线数据处理
-
生成推荐模型所需的样本数据,用于算法模型的训练和评估
-
生成推荐模型服务所需的“特征”,用于线上推断
-
生成系统监控、商业智能系统所需的统计型数据
-
挑战:
-
海量数据实时处理
-
特征的实时处理
-
线上模型服务过程的数据实时获取
-
-
-
模型部分
-
召回层
-
粗排
-
精排
-
重排
-
-
深度学习对推荐系统的革命性贡献
-
对数据模式的拟合能力和对特征组合的挖掘能力更强
-
模型结构灵活,可根据不同推荐场景调整模型,与特定业务数据“完美”契合
-
-
第1章 互联网的增长引擎——推荐系统
于 2024-01-10 14:07:56 首次发布