一、推荐系统介绍及应用
1.1 推荐系统的目标
1.2 推荐系统常用词
item: 商品,例如要从天猫购买一个欧式风格的桌子
Embedding:隐向量,将一个用户的各种属性信息:身高、体重、年龄、喜好颜色、职业。。。转换成高维向量
召回:要返回的结果,例如从100万个商品中选取100个比较可能的产品
打分:要对商品进行排序需要有一个标准;重排:最终结果排序
1.3 推荐系统经典流程
1.4 推荐系统难点与挑战
1.5 推荐系统常用技术
1.Embedding:如何更好的将商品数据表示出来,肯定不能用one-hot
2.NLP方向:基于文本数据来进行推荐
3.知识图谱
4.视觉识别CV(少部分)
5.深度学习(端到端,中间调参过程几乎不用管,交给计算机就好)