1. 基于人生阶段建模的商品推荐
经典的基于协同过滤的推荐,通常结合用户近期行为,给用户推送已知范围内的商品。随着用户对推荐系统和产品期望的提高,也需要向其呈现部分他们需要,但自己尚不清楚的领域的产品。用户的人生阶段建模及基于它的推荐算法就是针对这类问题研发的。它利用半监督马尔可夫建模技术,利用少量的标注数据,根据用户有行为的类目,去精准预测用户所处的人生阶段,以提供当前或未来所需要的商品。详细算法见KDD’15上我们发表的文章“Life-stage Prediction for Product Recommendation in E-commerce”。这一算法首先应用在淘宝母婴行业,通过严格的离线和线上A/B分桶实验证明了其有效性;同时,它还具有更广阔的应用前景,如家装、婚庆等可动态划分成若干阶段的行业。