淘宝和网易云怎样知道你喜欢什么?终于有人把推荐系统讲明白了
导读:什么是推荐系统?跟搜索引擎有哪些区别?
用户在意图明确的情况下,能够通过关键词进行搜索。那么,当用户不了解自己真正想要什么的时候,系统该如何给出用户可能想要的结果,满足用户的需求呢?推荐系统能够解决这类问题。
比如用户在找喜欢的音乐,但又没有具体的歌名或者歌手时,很难在短时间内找到真正合适的音乐,这时候就需要分析用户历史行为,进而找出用户可能感兴趣的音乐推荐给用户,这就是推荐系统所需要完成的事情。
作者:刘宇 赵宏宇 刘书斌 孙明珠
来源:大数据DT(ID:hzdashuju)
主动性:从用户角度考虑,前文提到的搜索引擎都是为了解决信息过载问题而存在的,需要用户提供明确的需求。当用户无法准确描述自己的需求时,搜索引擎就不能够为用户提供精确的服务了。而推荐系统不需要用户提供明确的需求,能够自主地通过分析用户和物品之间的关联数据进行建模,为用户提供可能感兴趣的信息。 个性化:推荐系统能够挖掘冷门信息推荐给用户。热门物品通常能够代表大多数人的喜好,冷门物品往往只能代表少数人的个性化需求,但冷门物品所带来的收益可能超过热门物品,所以挖掘长尾冷门信息是推荐系统的方向。
个性化推荐经常以“猜你喜欢”“发现”等形式在首页出现; 相关推荐经常以“相关推荐”“看了又看”等形式放在内容详情页; “热门推荐”按照各类数据的统计结果进行推荐。
简单有效,推荐结果较为直观,可解释性强; 没有新推荐对象的冷启动问题; 简单的分类方法就能够支持该策略。
受推荐对象特征提取能力的限制,对图像、视频、声音等多媒体资源的特征提取以及文本资源的提取不够全面; 很难推出新颖的推荐结果,惊喜度指标较低,难以发现用户新的兴趣点; 存在新用户的冷启动问题,因为很难发现新用户的兴趣爱好,无法和推荐对象的内容特征进行匹配。
可以使用在复杂的非结构化对象上; 能够发现用户新的兴趣爱好,给用户带来惊喜; 以用户为中心的自动推荐,随着用户数量的增加,用户体验也会越来越好。
存在冷启动问题,即在没有大量用户数据的情况下,用户可能不满意获得的推荐结果; 存在稀疏性问题,即用户大量增长的同时,评价差异性会越来越大,推荐对象也越来越多,导致大量的推荐对象没有经过用户评价,部分用户无法获得推荐结果,部分推荐对象无法被推荐。
推荐结果混合:将多种推荐方法产生的结果通过某种方式进行混合计算而产生最终的推荐结果。如何从多个推荐结果中选出推给用户的最终结果成为混合推荐的关键。常见的机制是投票机制,即使用一定的标准对多个结果进行判断,选择其中之一。 推荐算法的混合:以某一种推荐策略作为框架,混合另外的推荐策略,如基于协同过滤推荐的框架混合基于内容的推荐策略。
关于作者:刘宇,清华大学硕士,现就职于一家跨境电商公司,任技术总监,主要负责该公司搜索推荐业务以及广告的相关技术开发。目前工作的重点是落地算法在搜索系统、推荐系统、对话系统等具体业务场景下的应用。对机器学习、深度学习、大数据应用与开发等颇有研究。合著有《聊天机器人:入门、进阶与实战》一书。
赵宏宇,本科毕业于东北大学;研究生毕业于RIT,主修AI方向。现就职于猎聘网,主要负责猎聘网推荐排序相关的工作。
刘书斌,本科毕业于东北大学,现就职于美团,资深系统开发工程师。曾在唯品会任职,主要负责搜索工程的架构设计与实现等相关工作,在Elasticsearch方面有丰富的工程实践经验。
孙明珠,硕士毕业于南京航空航天大学,现就职于猎聘网,担任高级算法工程师,负责查询理解、解析、扩展等NLP相关的工作。
本文摘编自《智能搜索和推荐系统:原理、算法与应用》,经出版方授权发布。
延伸阅读《智能搜索和推荐系统》
点击上图了解及购买
转载请联系微信:DoctorData
推荐语:零基础掌握搜索和推荐系统的原理、架构、算法。
在公众号对话框输入以下关键词
查看更多优质内容!
据统计,99%的大咖都完成了这个神操作
👇
关键词
算法
数据
推荐系统
信息
行为
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。