¿Cómo se desarrollan los sistemas de recomendación en las empresas de Internet?
Realmente nunca he creado un sistema de recomendación. La mayor parte del conocimiento se ha estudiado y comprendido, por lo que algunos contenidos son relativamente simples de entender y muchos algoritmos son relativamente avanzados. Permítanme compartir mi conocimiento limitado:
Hace N años, cuando los usuarios ingresaban a un sitio web de compras, veían los mismos productos, pero ahora, cuando cada usuario ingresa a la página de inicio, la lista de productos vistos puede ser diferente;
Hace N años, cuando los usuarios ingresaban a la página de inicio de un sitio web de noticias, veían las mismas noticias. Ahora, cuando cada usuario ingresa a Toutiao, las noticias (artículos) que ven son todas diferentes; El sistema de recomendación.
Clasificación del sistema de recomendaciones
Recomendaciones populares: equivalente a una función de ranking, ranking de ventas, ranking de elogios, ranking de lectura, etc.;
Recomendaciones relacionadas: Usuarios Después de comprar un producto, el sistema le indicará productos similares; cuando el usuario lea una noticia, el sistema le mostrará contenido relacionado.
Recomendación personalizada: basada en el comportamiento histórico del usuario, recomienda el contenido que el usuario desea; a diferencia de las recomendaciones relacionadas, la premisa de las recomendaciones relacionadas es que debe haber contenido existente. Los dos primeros tipos de recomendaciones son relativamente fáciles de implementar. Aquí hablaré principalmente sobre recomendaciones personalizadas (hablaré directamente sobre la arquitectura general. En cuanto a algunos detalles, como el algoritmo de recomendación, no haré comentarios).
La composición del sistema de recomendación personalizado
Sistema de registro: no lo imagine como un registro de aplicación o un registro. El sistema de registro aquí puede verse como una recopilación de información del usuario y. Comportamiento del usuario. Estos son los datos básicos de personalidad del sistema de recomendación.
Algoritmo de recomendación: El núcleo del algoritmo de recomendación personalizado, basado en el análisis de datos, se obtienen los resultados recomendados.
Servicio push: después de obtener los resultados recomendados, actúa sobre el usuario, por ejemplo, en qué escenarios y tiempos se pueden hacer recomendaciones;
Proceso básico A del algoritmo de recomendación: obtener datos como el comportamiento y los atributos del usuario de la base de datos, y generar vectores de características del usuario actual analizando diferentes comportamientos, como los atributos de las características del usuario (como el género); , atributos de relación del usuario (como relaciones con amigos), atributos de preferencia del usuario (como el gusto por ver fútbol), las características del usuario en las que se centra cada industria son diferentes B: diferentes elementos también tienen diferentes características y atributos, como videos, incluyendo región, director, actores, tipos, etc.; lo que tiene que hacer este módulo es conectar a los usuarios y el contenido, por ejemplo, a los usuarios les gusta el contenido que les gusta para encontrar contenido similar a estos; usuarios similares según las características del usuario, y luego observe el contenido que les gusta a estos usuarios, etc. C: filtrar y clasificar la lista de recomendaciones inicial para generar los resultados de recomendación finales.
Para dar un ejemplo fácil de entender, generalmente usa Toutiao, lee esos artículos, el tiempo de permanencia de cada artículo, el progreso de la lectura, si desea responder y dar me gusta, y luego inferir sus preferencias de lectura, y Luego recomienda noticias que te interesen (por supuesto, el algoritmo de Toutiao debería ser más complejo).
Otro ejemplo muy conocido es el caso de la cerveza y los pañales. Probablemente significa que un padre joven va al supermercado a comprar pañales. Cuando el padre compra pañales, a menudo compra cerveza para él mismo. supermercado Intente colocar cerveza y pañales en la misma área para aumentar las ventas de productos; el algoritmo de recomendación también descubrirá relaciones ocultas entre las cosas.
Continuaré compartiendo mis conocimientos sobre el desarrollo de Java, el diseño de arquitectura, el desarrollo profesional de programadores, etc., y espero llamar su atención.