百度研发推荐引擎:已应用于百度知道和新首页

标签: 百度 研发 推荐引擎 | 发表时间:2012-06-19 15:44 | 作者:TechWeb.com.cn 可心
出处:http://www.techweb.com.cn/rss/focus.xml

  推荐引擎是主动发现用户当前或潜在需求,主动推送信息、应用和服务给用户的互联网技术。(TechWeb配图)

  【TechWeb报道】6月19日消息,百度主任架构师、推荐引擎负责人廖若雪今日接受媒体采访时透露,百度从去年起抽调技术人员成立独立研发团队,研发“推荐引擎”技术,目前团队百余人。

  百度推荐引擎是一项底层技术,目前已经在音乐随身听、百度知道、百度新首页等项目中应用。

   什么是推荐引擎?

  推荐引擎是主动发现用户当前或潜在需求,主动推送信息、应用和服务给用户的互联网技术。跨领域推荐是在推荐引擎基础上,强调利用通用的推荐技术,进行信息、应用和服务的跨平台推荐。

  百度为什么涉足推荐引擎技术?廖若雪介绍,人们在互联网上获取信息的方式大致经历了三代,第一代以分类目录为代表,那时的全网信息量仅数万个网页;第二代即今天使用的搜索引擎,网页数高达数百亿,同时集成了图片、视频、应用等更多媒体内容;下一阶段网页数将超过数百万亿,搜索结果中符合要求的内容可能成百上千,用户需要花费大量时间去寻找最适合自己的搜索结果,解决之道就是推荐引擎。

  目前,百度、Google、有道、bing、搜索、Yahoo都是以搜索满足用户的主动表达需求。在国外,以推荐挖掘并满足用户潜在需求的如亚马逊、Pandora、NETFLIX等。

  “推荐依赖用户个性化需求。那些用户无法表达,或表达出来非常复杂的需求,我们定义为潜在需求。”廖若雪说。

   百度推荐引擎应用于百度知道、百度新首页

  廖若雪介绍,百度推荐引擎有三个特点:一是跨领域,多语言、多媒体、全产品形态。亚马逊进行商品推荐,Pandora进行音乐推荐,百度进行跨领域推荐;二是平台化、通用算法、归一化数据;三是智能化,智能需求感知,满足用户需求。

  百度推荐引擎于2011年开始研发,早期实践于音乐随身听,自适应用户喜好变化、采用音乐专家系统技术。近期,推荐引擎实践于百度新首页、百度知道。

  以百度知道为例,百度方面透露数据,从一个用户在百度知道上提出问题,到这个问题被合适的回答者看到,平均需要12个小时;而推荐技术应用到百度知道后,时间缩短到最多不超过5分钟,回答率提升了50%。

  “当用户使用搜索引擎搜索时,浏览网页时,在移动终端上提交他的位置时,都有大量的行为动作。 根据用户的行为提交,再规避掉他们的隐私数据,用一定的算法匹配,就能够智能地感知用户需求,并在短时间内给予他们需要的内容。”廖若雪说。

  百度跨领域推荐引擎依托于百度原有的用户数据库。百度搜索引擎储存了上千亿的网页,每天处理100PB级数据。目前,百度推荐引擎是一项基础服务,融入到搜索中,尚未开发独立的产品。“当传统形态不适合时某项服务时,可能打造以推荐为核心的产品。”

  廖若雪透露,如果百度推荐引擎发展成熟,不排除以开放平台模式与国内垂直网站合作,如京东商城等电子商务网站。

   推荐引擎技术处于早期阶段

  廖若雪说,推荐引擎还处于发展早期。“百度走的早些,但大家都处于0起跑线没跑几步的状态。豆瓣电台、电子商务网站做了很多工作,但还没有人做到及格,推荐引擎还是非常新的领域。”

  廖若雪描述了未来推荐引擎的一幅画面:如果你是韩剧爱好者,不用再繁琐的查询,就能即使获得最新韩剧推荐;查询“好看的电影”,就能获得符合该用户喜好的电影;搜索“怎么向女友求婚”,就能获得一套针对你和女友量身定制的方案。(可心)

相关 [百度 研发 推荐引擎] 推荐:

百度研发推荐引擎:已应用于百度知道和新首页

- - TechWeb 今日焦点 RSS阅读
  推荐引擎是主动发现用户当前或潜在需求,主动推送信息、应用和服务给用户的互联网技术.   【TechWeb报道】6月19日消息,百度主任架构师、推荐引擎负责人廖若雪今日接受媒体采访时透露,百度从去年起抽调技术人员成立独立研发团队,研发“推荐引擎”技术,目前团队百余人.   百度推荐引擎是一项底层技术,目前已经在音乐随身听、百度知道、百度新首页等项目中应用.

大数据-推荐引擎

- - 人月神话的BLOG
推荐引擎在当前电商平台用的相当多,本文简单理解下常见的几张推荐方式. 首先说明下大数据用户画像可以用于针对性营销和单品推荐,但是即使没做用户画像也可以进行商品推荐. 推荐引擎是不是为不同的用户推荐不同的数据根据这个指标,推荐引擎可以分为基于大众行为的推荐引擎和个性化推荐引擎. 大众行为的推荐引擎,对每个用户都给出同样的推荐,这些推荐可以是静态的由系统管理员人工设定的,或者基于系统所有用户的反馈统计计算出的当下比较流行的物品.

初识推荐机制、推荐引擎

- 山河之外 - 互联网的那点事...
随着互联网的发展 估计大多数的产品都会遇到推荐机制的策划,作为互联网产品人员也需要研究一下推荐机制的核心算法,这篇文章是我看到的言简意赅讲了一些基础的推荐机制的文章,转过来分享给大家. 如今已经进入了一个数据爆炸的时代,随着 Web 2.0 的发展, Web 已经变成数据分享的平台,那么,如何让人们在海量的数据中想要找到他们需要的信息将变得越来越难.

从Web 2.0到推荐引擎2.0

- Race forward! - 学而时嘻之
(《新知客》,2010年9月). 互联网应用的新概念似乎总是层出不穷,然而相对于2005年前后中国一下子冒出来的一大批 web 2.0 网站和最近几年出现的“云计算”,此时此刻的互联网业界似乎有点沉闷. 人们开始谈论,互联网下一个有趣的事情是什么. 百姓网 CEO 王建硕,最近在《中国企业家》杂志发表文章《2011年注定是中国互联网第三春》,提出一个五年周期理论,认为每隔五年左右就会有一批人出来创业,就会有一批风险投资周转完毕转而支持新的项目,这样经过这两年的沉闷,2011年必将有新东西爆发.

协同过滤和推荐引擎

- - 刘思喆@贝吉塔行星
推荐系统在个性化领域有着广泛的应用,从技术上讲涉及概率、抽样、最优化、机器学习、数据挖掘、搜索引擎、自然语言处理等多个领域. 东西太多,我也不准备写连载,今天仅从基本算法这个很小的切入点来聊聊推荐引擎的原理. 推荐引擎(系统)从不同的角度看有不同的划分,比如:. 按照数据的分类:协同过滤、内容过滤、社会化过滤.

推荐引擎:信息逆流

- - 《商业价值》杂志
信息时代用户链接内容的方式将再次产生深刻变化,而这一变化的驱动者,正是推荐引擎技术. 如果回到20世纪80年代,面对一台当时的电脑,你很可能会不知所措. 原因很简单,当时要访问电脑内的内容——不管是软件或者游戏,你起码必须掌握基本的Dos命令. 换句话说,当时用户与内容链接的方式,是输入大量电脑“听得懂”的命令,再让电脑将其执行出来.

Spotify推荐引擎Discover Weekly的故事

- - Solidot
Spotify的软件工程师Edward Newett说,赋权自下而上的创新,奇迹将会发生. 他在上周举行的@Scale 会议上分享了开发Discover Weekly推荐引擎的故事. Discover Weekly设计帮助用户发现他们从未听过的新音乐,于一年前上线,至今已积累了4000多万的用户. Newett最初的工作是开发个性化网页,其中包含了向用户推荐他们可能感兴趣的专辑的系统.

探索推荐引擎内部的秘密:推荐引擎初探

- adow - 互联网的那点事...
“探索推荐引擎内部的秘密”系列将带领读者从浅入深的学习探索推荐引擎的机制,实现方法,其中还涉及一些基本的优化方法,例如聚类和分类的应用. 同时在理论讲解的基础上,还会结合 Apache Mahout 介绍如何在大规模数据上实现各种推荐策略,进行策略优化,构建高效的推荐引擎的方法. 本文作为这个系列的第一篇文章,将深入介绍推荐引擎的工作原理,和其中涉及的各种推荐机制,以及它们各自的优缺点和适用场景,帮助用户清楚的了解和快速构建适合自己的推荐引擎.

探索推荐引擎内部的秘密: 第 1 部分:推荐引擎初探

- JingSQ - IBM developerWorks 中国 : 文档库
随着 Web 技术的发展,使得内容的创建和分享变得越来越容易. 每天都有大量的图片、博客、视频发布到网上. 信息的极度爆炸使得人们找到他们需要的信息将变得越来越难. 传统的搜索技术是一个相对简单的帮助人们找到信息的工具,也广泛的被人们所使用,但搜索引擎并不能完全满足用户对信息发现的需求,原因一是用户很难用恰当的关键词描述自己的需求,二是基于关键词的信息检索在很多情况下是不够的.

推荐《探索推荐引擎的秘密》系列

- linyehui - Tinyfool的Blog
最近推荐引擎成为显学,主要原因应该是电子商务的蓬勃发展. 头些日子和图灵的两位老师吃饭,我甚至了解到因为推荐引擎以及机器学习领域的日渐火爆,图灵出的线性代数最近销量都很好,更别提大家现在到处都可以看到这个领域相关的招聘. 我最近的创业项目iApp4Me其实也是一个推荐引擎的应用,我关注这个领域有很长一段时间了.