淘宝推荐系统
算法
基础算法
聚类算法,预测算法,分类算法等,主要用于产生基础知识库
推荐算法
content-based,collaborative-based,Association Rules
基础算法
预测算法
logistic回归,通过以点击率为目标,以商品,卖家等因素作为指标,建立预测模型构建淘宝优质宝贝库
分类算法
朴素贝叶斯算法
商品性别判断(男性,女性,中性)
用户性别判断
用于降维
聚类算法
人群,用户细分
用于降维
推荐算法
基于内容推荐
通过给用户和商品标注Tag,通过内容匹配算法,推荐商品给用户
优点:简单,搜索引擎支持,解决部分冷启动问题
缺点:难以区分商品信息的品质,而且不能为用户发现新的感兴趣的商品,只能发现和用户已有兴趣相似的商品
协同思想
优点:新特性,个性化程度高
缺点:冷启动,稀疏性
推荐算法
关联规则:
支持度
s
u
p
p
o
r
t
(
A
⇒
B
)
=
P
(
A
⋃
B
)
support(A \Rightarrow B)=P(A \bigcup B)
support(A⇒B)=P(A⋃B)
置信度
c
o
n
f
i
d
e
n
c
e
(
A
⇒
B
)
=
P
(
B
∣
A
)
confidence(A \Rightarrow B)=P(B|A)
confidence(A⇒B)=P(B∣A)
效果评估
推荐系统的效果需要数据来衡量