推荐系统之路

最新推荐文章于 2022-02-16 11:16:17 发布

ronghuaiyang

最新推荐文章于 2022-02-16 11:16:17 发布

阅读量170

点赞数

本文链接：https://blog.csdn.net/u011984148/article/details/99439988

版权

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”

作者：Dimitris Apostolopoulos

编译：ronghuaiyang

导读

在本系列文章中，我将与你分享掌握推荐系统的经验，以及从基本模型到推荐系统相关的高级模型的实现。

640?wx_fmt=png

个性化客户体验推荐系统

我会简要介绍你在构建这样一个系统时将遇到的与推荐系统相关的挑战，以及我为克服这些挑战所做的工作。

最后，我将向你介绍一些想法、不成功的尝试，以及我用来跟踪模型性能的验证框架，还有我构建的其他机器学习模型，希望能得到成功的方式。

但首先，…

什么是推荐系统？

推荐系统可以说是大数据最常见的应用，通过为你的网站推荐内容，来提高个人的用户体验。

推荐系统是信息过滤系统和人工智能的一部分，目的是预测人们对过多选择的偏好。

我们在哪里会使用推荐系统？

最常见的使用领域是产品推荐过滤，并通过客户的偏好进行学习，以便将这些知识应用到其他人身上。

背后的故事

大约一年前，我所在的电子邮件营销和自动化公司把我分配到一个全新的项目。

这个项目的概念是创建一个数据驱动的推荐引擎，可以适用于每个电子商务商店。这个通用系统必须从他们自己的客户产品交互(我们已经有了)中生成个性化的产品推荐。

这方面的挑战是，它必须是“完全动态的”，并能够适应各种模式，即季节性的购买模式(例如在圣诞节、光明节、复活节等送礼期间)，但也要收入最大化。

理解推荐引擎

每次我得到一个新项目，我做的第一件事就是试着去了解基本知识，什么时候用，用来干什么，系统的结构，多样性，以及它可能具有的可扩展性 。

640?wx_fmt=png

有不同类型的推荐系统(RecSys)，你选择什么取决于你想遵循什么样的策略来接近你的客户。

在过去，世界从来没有被数据驱动过。但现在，大多数大型电子商务网站都依赖数据驱动的决策系统来扩大销售。

个性化的产品推荐是人工智能给电子商务的礼物，因为它们可以帮助你提高点击率(CTR)和销售率。

就像我说的，有5种不同类型的人工智能推荐系统：

基于内容的引擎根据其属性(即每个产品的特征)识别相似的产品。
我们用每个产品的属性来表示每个产品(例如，一个手机的属性是屏幕大小、价格、相机、软件等)，并试图找到最相似的。
通过这种方式，我们向那些对特定特征的手机感兴趣的人推荐类似的“手机”。
协同过滤引擎识别相似客户的偏好，基于具有相似行为的人共享相似兴趣这个想法。
在这些系统中，我们用每一个客户的互动来代表每一个客户，通过这种方式，我们预测他们对每一个产品感兴趣的概率，也就是说，客户实际喜欢我们推荐给他们的产品的可能性。
这样，我们可以向新客户推荐和他最相似的人喜欢的产品。
混合系统是基于内容和协同过滤系统的结合。
用两种模型分别产品进行打分，并分别给与权重。最终的推荐结果将由这两个分数的线性组合得出。
关联规则或市场篮子分析引擎与前面的引擎略有不同。
拥有一个大的交互数据集，我们可以为经常一起购买的商品找到模式并作为一个序列，例如，如果有人在他的购物车中添加了咖啡，但没有添加糖，我们推荐添加糖。
重复购买引擎预测客户购买特定产品的具体时间或近似时间。
该算法使用产品持续时间、购买历史和日期统计数据来预测未来的日期。
例如，如果有人每月购买一次隐形眼镜，我们建议他们每30天购买一次同样的产品，以防他们忘记购买。这样，我们鼓励他们继续与我们的商店购物。