博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
中国人工智能学会通讯——电子商务中的个性化推荐技术剖析
阅读量:5825 次
发布时间:2019-06-18

本文共 549 字,大约阅读时间需要 1 分钟。

image

当用户从PC端向移动端转移的过程中,因为移动端的小屏化、浏览时间碎片化的特点,在有限的时间、空间中仅能向用户呈现有限的内容,因此对APP内容提供者的推荐算法能力提出了新的挑战。在电商购物环境下更有其自身的特点,如用户需求动态变化、商品种类数量繁多、促销活动频繁等,在此,我们从手机淘宝的实践中,选取若干具有创新性的案例和技术,进行分析与讨论。

图1是结合电商特点,由实际需求驱动的一个三层推荐系统架构图,简要说明如下。

第一层是item(可以是商品、店铺、内容等)相关的选品设计:根据各无线产品的定位,我们为特定人群选择他们所需要的优质商品。

第二层是用户与item的匹配层:它包含以协同过滤为主的算法,考虑用户短中长期兴趣和需求的变化,以及空间时间上下文的变化,从海量item库中找出最可能满足其当前需要的物品。

image

第三层是精确排序层:基于经典的Learning to Rank技术来进行精准推送;同时,为了更早、更准确地捕捉用户意图的变化,在计算层引入流式计算引擎,并研发了在线学习框架。

由上述的三层推荐系统构建的技术体系,我们得以支撑电商中数百个应用场景和产品,包括最具技术挑战的“双11”场景。我们在这些场景中做出了大胆的产品和技术创新。下面选择三个原创性的算法和技术,逐一进行分析和讨论。

转载地址:http://qnpdx.baihongyu.com/

你可能感兴趣的文章
CSS——(2)与标准流盒模型
查看>>
MYSQL 基本SQL语句
查看>>
C#中的Marshal
查看>>
linux命令:ls
查看>>
Using RequireJS in AngularJS Applications
查看>>
hdu 2444(二分图最大匹配)
查看>>
【SAP HANA】关于SAP HANA中带层次结构的计算视图Cacultation View创建、激活状况下在系统中生成对象的研究...
查看>>
DevOps 前世今生 | mPaaS 线上直播 CodeHub #1 回顾
查看>>
iOS 解决UITabelView刷新闪动
查看>>
CentOS 7 装vim遇到的问题和解决方法
查看>>
JavaScript基础教程1-20160612
查看>>
ios xmpp demo
查看>>
python matplotlib 中文显示参数设置
查看>>
【ros】Create a ROS package:package dependencies报错
查看>>
通过容器编排和服务网格来改进Java微服务的可测性
查看>>
re:Invent解读:没想到你是这样的AWS
查看>>
PyTips 0x02 - Python 中的函数式编程
查看>>
使用《Deep Image Prior》来做图像复原
查看>>
Linux基础命令---rmdir
查看>>
Android图片添加水印图片并把图片保存到文件存储
查看>>