久久亚洲福利视频,国产在线麻豆一区二区,亚洲精品无码你懂的网站

搜索

APP

起點課堂會員權益

職業(yè)體系課特權

線下行業(yè)大會特權

個人IP打造特權

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導直播

12場專業(yè)技能直播

會員專屬社群

榮耀標識

發(fā)布

注冊 | 登錄

用戶人群精推基礎算法

-_-豐

2021-09-14

0 評論 4655 瀏覽 3 收藏

6 分鐘

編輯導語：隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的APP開始進行精準化的算法推薦，算法的應用越來越普及，但算法有利也有弊。近期，國家便對算法進行了整治，但綜合來說，算法的精準推送利大于弊。本文就幾種基礎的算法進行了總結(jié)與思考，與大家一同探討。

隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的App開始進行精準化的推薦。隨之而來的則是千人千面，算法的應用以及維度的分析越來越精確。是好事也非好事，雖然增加了沉浸式的體驗，但在娛樂化的平臺則物極必反，自發(fā)用戶高質(zhì)量的內(nèi)容減少，隨之而來的則是無趣及用戶體驗的疲勞。

但是綜合來講精準推薦利大于弊，它是很好的增加用戶粘性的一種方式，今天只是說幾種最基礎的算法，對于精準推薦的利弊，在接下來的文章會進行詳細的分析。以下僅個人觀點，不喜勿噴。謝謝大家。

我們先以標簽為例來進行分析。

一、算法的基礎

Apriori算法用于挖掘出數(shù)據(jù)關聯(lián)規(guī)則的基礎算法，它用來找出數(shù)據(jù)值中頻繁出現(xiàn)的數(shù)據(jù)集合，找出這些集合的模式有助于我們做一些決策。

比如在常見的超市購物數(shù)據(jù)集，或者電商的網(wǎng)購數(shù)據(jù)集中，如果我們找到了頻繁出現(xiàn)的數(shù)據(jù)集，那么對于超市，我們可以優(yōu)化產(chǎn)品的位置擺放，對于電商，我們可以優(yōu)化商品所在的倉庫位置，達到節(jié)約成本，增加經(jīng)濟效益的目的。

同樣一個用戶總瀏覽相同的形式的內(nèi)容，那么你就更加精確發(fā)現(xiàn)其興趣點，及其其他相關產(chǎn)品進行推薦。

Aprior算法是一個非常經(jīng)典的挖掘算法，很多算法都是基于Aprior算法而產(chǎn)生的，包括FP-Tree、GSP、CBA等。這些算法利用了Aprior算法的思想，但是對算法做了改進。生命的真諦不就是在于不斷進步？

二、FP Tree算法

這個算法是我在剛進行算法精推時的首選，結(jié)構(gòu)比較簡單，適用于剛剛搭建的階段。

這里對FP Tree算法流程做一個歸納。FP Tree算法包括以下幾步：

1）首先掃描數(shù)據(jù)，得到所有頻繁1項集的的計數(shù)。然后刪除支持度低于閾值的項，將1項頻繁集放入項頭表，并按照支持度降序排列。項頭表支持度必須大于百分之20才可進行記錄其中。

2）其次將原始數(shù)據(jù)剔除支持度低于百分之20的數(shù)值，重新得到數(shù)據(jù)集。

3）讀入排序后的數(shù)據(jù)集，插入FP樹，插入時按照排序后的順序，插入FP樹中，排序靠前的節(jié)點是祖先節(jié)點，而靠后的是子孫節(jié)點。如果有共用的祖先，則對應的公用祖先節(jié)點計數(shù)加1。插入后，如果有新節(jié)點出現(xiàn)，則項頭表對應的節(jié)點會通過節(jié)點鏈表鏈接上新節(jié)點。直到所有的數(shù)據(jù)都插入到FP樹后，F(xiàn)P樹的建立完成。

4）從項頭表的底部項依次向上找到項頭表項對應的條件模式基遞。從條件模式基遞歸挖掘得到項頭表項的頻繁項集。

5）如果不限制頻繁項集的項數(shù)，則返回步驟4所有的頻繁項集，否則只返回滿足項數(shù)要求的頻繁項集。

這樣有相同的因素出現(xiàn)時，我們可以簡單的理解為其相關性，這些相關性我們可以把標簽當作一個值來進行系統(tǒng)的初期分配。

同樣還有其他的算法GSP,?CBA、CBA算法+關聯(lián)Apriori算法、

機器學習-規(guī)則與關聯(lián)規(guī)則模型Apriori、FP-Growth等有待發(fā)掘。