淘宝推荐系统的学习
一、推荐系统概念
1、推荐系统定义
维基百科:推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物(例如:电影、电视节目、音乐、书籍、新闻、图片、网页)推荐给使用者。
推荐系统大体可分为两类,即个性化推荐和非个性化推荐。
2、推荐系统作用
从用户角度:
- 提高用户忠诚度
- 帮助用户快速找到商品
从网站角度:
- 提高网站交叉销售能力
- 提高成交转化率
好的推荐系统更像一个有经验的网站导购员
3、推荐系统与其他系统的区别
推荐与搜索
相同点:帮助用户找到商品
不同点:搜索是通过用户主动输入的关键字进行查询。推荐则是用户在浏览网站的过程中,不一定需要用户输入,根据当前网页的上下文进行个性化的信息输出。
推荐与广告
相同点:基于用户行为
不同点:广告目的是帮助商家推广商品等,推荐系统帮助用户找到想要的商品等。
推荐与SNS
相同点:它们都有基于人群的共同点产生推荐
不同点:一个是机器,一个是人工
4、推荐系统的主要产品
- 同类或者相关商品、店铺推荐
- 买了还买、看来还看等
- 猜你喜欢
- 群体信息披露
- 热门排行榜
- etc
二、推荐系统的组成
1、数据
- explicit(显式):能准确的反应用户对物品的真实喜好,但需要用户付出额外的代价。如:用户收藏、用户评价。
- Implicit(隐式):通过一些分析和处理,才能反映用户的喜好,只是数据不是很精确,有些行为的分析存在较大的噪音。如:用户浏览、用户页面停留时间、访问次数。
2、算法
- 离线:用户类目偏好、用户购买力分析、关联性分析、相似矩阵计算等等
- 在线:排序、过滤、增量计算
算法需要配合大量业务规则,没有最好,只有更好!
3、消息系统
消息系统是大型系统不可或缺的重要组成部分,与其他系统解耦,消息转发。
4、搜索引擎
主要功能是进行文本分析抽取关键词,作为推荐系统的一个信息检索技术内容相关性匹配。
5、NoSQL
简单、高性能、方便定制
6、分布式计算
使用MapReduce , Hive、Hadoop进行大规模数据统计和运算和大数据集合的ETL
三、淘宝的推荐系统
1、淘宝数据特点
- 数据量巨大:数百万店铺、数亿激活用户、数亿的在线商品、数十亿的收藏信息…
- 商品问题:同一类商品多个卖家、标类非标类、类目属性正确性、恶意收藏、刷信誉…
2、淘宝推荐系统应用场景
目前覆盖大小场景60多个,主要包括
- Detail 浏览了还浏览
- 收藏夹弹出层推荐
- 购物车弹出层推荐
- 已买到宝贝你可能感兴趣
- 淘宝无线应用
- EDM(重复购买提醒)
- 各个垂直频道
- 个性化list排序
- 开放平台api
淘宝业务产品丰富,推荐功能穿插其中,推荐功能涵盖的范围更广,很多场景推荐算法与业务规则相关。
3、淘宝推荐系统算法
①基础算法:聚类算法,预测算法,分类算法等,主要用于产生基础知识库
- 预测算法:logistic 回归,通过以点击率为目标,以商品,卖家等因素作为指标,建立预测模型构建淘宝优质宝贝库
- 分类算法:朴素贝叶斯,商品性别判断(男性,女性,中性),用户性别判断
- 聚类算法:人群,用户细分,用于降维
②推荐算法:content-based,collaborative-based,Association Rules等等
基于内容推荐:通过给用户和商品标注Tag,通过内容匹配算法,推荐商品给用户
- 优点:简单,搜索引擎支持,解决部分冷启动问题
- 缺点:难以区分商品信息的品质,而且不能为用户发现新的感兴趣的商品,只能发现和用户已有兴趣相似的商品
协同思想
- 优点:新奇特,个性化程度高
- 缺点:冷启动,稀疏性
关联规则:类目的相关性、商品相关性、人的相关性
4、推荐系统的效果评测
- Offline: 给定输入输出,验证系统的输出
- Online : ABTest (衡量指标:CTR GMV 转换率)
5、淘宝推荐系统的设计
- 提供统一的平台管理各个推荐模块
- 提供高性能分布式存储
- 提供算法的AbTest和效果统计
- 提供灵活算法配置
① 分布是存储:Treasure
- 存储云梯(hadoop)上对用户、商品等原始数据分析的结果
- 云梯周期性同步,无实时更新
- 为推荐系统提供ABTest存储支持
- 可直接存储部分推荐算法的结果供推荐使用
- 动态部署
②调度系统
- 负责周期性云梯(hadoop)任务调度
- 分布式
- 生产者 消费者
③协调系统
- Zookeeper集群
- 智能路由
- 线上与线下联动通知
- Job依赖通知
总结:推荐系统是需要不断创新并且与场景和行业有事紧密的关系
Related posts: