中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)讀：在現(xiàn)實生活中我們經(jīng)常會用淘寶、京東、百度等產(chǎn)品去搜索想要買的產(chǎn)品或者想要知道的訊息。在需求不明確的情況下，產(chǎn)品會對我們的需求進行深度挖掘和匹配，這就是推薦系統(tǒng)在起作用。

本文從搭建推薦系統(tǒng)的意義出發(fā)，對推薦系統(tǒng)的設(shè)計和過程中需要注意的問題進行了分析總結(jié)，供大家一同參考學(xué)習(xí)。

一、搭建推薦系統(tǒng)的意義

1. 降低物品信息過載困擾，幫助用戶快速找到喜愛商品

當前商場店鋪比較多，物品排列密密麻麻，對用戶的選擇造成一定的干擾，以至于無處下手，最后不了了之，而推薦系統(tǒng)的搭建一定程度上解決了信息過載問題，直接將潛在物品推薦到用戶面前，縮短購買路徑，提高下單量。

2. 深度挖掘商場內(nèi)長尾商品，提高GMV

經(jīng)過一系列商品數(shù)據(jù)采集、分析、打標操作，實現(xiàn)商品的統(tǒng)一化管理，深度挖掘長尾商品，將該類商品推送至目標客戶面前，提高其曝光度，降低商品對貨柜、店鋪位置的依賴，從而提高營業(yè)額。

3. 對于無目的客戶，推薦折扣商品、營銷活動，刺激購買欲望

針對對無購物目的的人群，推薦系統(tǒng)自動推薦低價好貨、熱門活動和限量商品，吸引客戶注意力，達到營銷和門店導(dǎo)流的目的，刺激客戶購買欲，從而提高下單量。

4. 通過購物車分析，推薦給客戶更多關(guān)聯(lián)商品，提高用戶的驚喜度和滿意度

針對老客戶，通過購物車分析，推薦給客戶性價比更高的類似商品，提高用戶購物體驗的驚喜度和滿意度。

二、數(shù)據(jù)采集與數(shù)據(jù)準備

針對上述需求，我們最終的目的是將人、貨、場進行匹配，為此我們需要收集用戶、商場、商品的數(shù)據(jù)信息。包括：

商場信息：

物品信息：

三、推薦算法實現(xiàn)

整個推薦算法主要利用商場的用戶行為數(shù)據(jù)，采用基于鄰域的用戶協(xié)同過濾和物品協(xié)同過濾。

1. 基于商場用戶的協(xié)同過濾算法

基于用戶的協(xié)同過濾算法基本上分成2步：

1. 通過分析商場用戶歷史訂單信息，計算該用戶的行為向量，找到相似的用戶群體。
2. 將相似群體所有購買過的物品列表中，從中過濾掉已購買的商品后，將未接觸的商品同步推送給用戶。

首先，計算用戶相似度，找到相似的人群，通過兩兩用戶對比，得出該對用戶的相似度。具體算法如下：

假設(shè)有A,B 2個用戶，A用戶曾購買過{a,b,d},B 用戶曾購買{a,c},我們約定：

• N(A)：代表A用戶所購買過的物品清單；
• N(B)：代表B用戶所購買過的物品清單；
• W(AB)：代表A、B用戶的相似度值；

那么根據(jù)余弦相似度公式得出：

假設(shè)現(xiàn)在有一組這樣的用戶購買記錄數(shù)據(jù)，如下圖所示：

A用戶購買了{a、b、d}，B用戶購買了{a、c}，C用戶購買了{b、e}，D用戶購買了{c、d、e}，

我們可以得出：

W(AB)=0.409；

W(AC)=0.409；

W(AD)=0.333；

根據(jù)A用戶與所有其他用戶的相似度值從高到低排序，依次為B、C、D，一般情況下我們會選取與A用戶最相似的K個用戶用來做推薦，假設(shè)此時取k=3時，那么就是將B、C、D用戶的所有物品減去A已經(jīng)購買過的物品，從而得出可推薦列表，即{c,e}。

此時推薦列表是一個無序列表，為提高推薦的精準度，我們需要計算出A對以上列表項中各個物品的喜愛程度，進而把最符合A興趣的物品進行推薦。

分別計算用戶A對c、A對e物品的喜愛程度：

根據(jù)公式：

w(uv)是指用戶u與用戶v的相似度，r(vi)是指用戶v對物品i的喜愛程度，此處默認 =1 得出：

p(A,c)=W(AB) +W(AD)=0.409+0.333=0.742;

P(A,e)=W(AC)+W(AD)= 0.409+0.333=0.742;

2. 基于物品的協(xié)同過濾算法

基于物品的協(xié)同過濾算法基本上分成2步：

1. 計算該商場內(nèi)商品/店鋪的的相似物品/店鋪集；
2. 根據(jù)商品/店鋪相似性以及用戶對該類商品/店鋪的喜愛程度，將權(quán)重最高的商品/店鋪推送給用戶。

在這里我們做一個約定：商品/店鋪相似度的計算思路基于用戶對物品喜愛的人數(shù)，我們默認：對物品a、物品b喜歡的人數(shù)越多，那么兩個物品之間的相似度越大。

我們約定：

• N(a)：代表喜歡物品a的用戶名單；
• N(b)：代表喜歡物品b用戶名單；
• W(ab)：代表a、b用戶的相似度值；

那么同樣利用余弦相似度：

假設(shè)，在數(shù)據(jù)采集中，有這樣一組用戶數(shù)據(jù)：

A:{a,b,d}

B:{b,c,e}

C:{c,d}

D:{b,c,d}

E:{a,d}

我們通過構(gòu)造矩陣來得出物品相似度矩陣：

那么物品a和b的相似度即：

W(ab)=0.409；

W(ac)=0；

W(ad)=0.707;

W(ae)=0；

W(bc)=0.667；

W(bd)=0.333;

W(be)=0.578；

W(ce)=0 ；

W(de)=0 ；

利用公式，計算出用戶u對一個物品j的興趣：

當K=3時，選出與a最相似的物品為b、c、d；與b最接近的物品為c、d、e；

3. 其他的混合推薦算法

選用基于用戶標簽、基于上下文信息和基于社交數(shù)據(jù)作為用戶興趣擴展推薦，從而豐富推薦系統(tǒng)的結(jié)果。

四、冷啟動問題處理

當系統(tǒng)剛剛發(fā)布上線，數(shù)據(jù)準備不充分，想做精細化的個性化推薦就面臨很大挑戰(zhàn)，這時就需要尋找合適的方法解決系統(tǒng)啟動后無推薦數(shù)據(jù)的問題，一般針對這些問題我們可以從幾個方面入手：

• 利用用戶注冊信息，給用戶推薦相應(yīng)物品；
• 利用社交數(shù)據(jù)，推薦給用戶其好友購買過和感興趣的物品；
• 讓用戶自行選擇自己感興趣的品類，根據(jù)品類信息推薦相應(yīng)數(shù)據(jù)；
• 推薦熱門物品；

五、推薦系統(tǒng)的評估與迭代

一個商業(yè)推薦系統(tǒng)的評估一般是從用戶滿意度、預(yù)測準確度、覆蓋率、多樣性、新穎性、驚喜度、信任度、實時性、健壯性、商業(yè)目標幾個維度來考慮。

1. 用戶滿意度

用戶是推薦系統(tǒng)的重要參與者，用戶滿意是推薦系統(tǒng)優(yōu)化的追求的目標。判斷用戶是否滿意，我們可以從以下幾個方面著手：

1. 用戶問卷調(diào)查，通過問卷的形式直接獲得用戶的感受；
2. 數(shù)據(jù)統(tǒng)計，我們可以統(tǒng)計用戶購買推薦商品的比率，如果用戶購買了推薦的商品，那么就表示在一定程度上用戶是滿意的。

2. 預(yù)測準確度

推薦系統(tǒng)的準確度衡量是離線實驗計算，在計算該指標時需要有一個離線的數(shù)據(jù)集，該數(shù)據(jù)集包含了用戶的歷史行為記錄，然后將這個數(shù)據(jù)集分成訓(xùn)練集和測試集。最后將訓(xùn)練集的模型計算結(jié)果與測試集進行對比，將預(yù)測行為與測試集行為的重合度作為預(yù)測準確度。

例如在TopN推薦中，一般通過準確率和召回率來度量。令，R（u）表示在訓(xùn)練集中給用戶推薦列表；T（u）是測試集上行為列表。

那么召回率（Recall）=

而準確率（Precision）=

3. 覆蓋率

覆蓋率是考核推薦系統(tǒng)對物品長尾的發(fā)掘能力。即推薦的物品集占總物品集合的比例?；蛘吒氈乱稽c就是統(tǒng)計推薦不同物品出現(xiàn)的次數(shù)分布，如果所有物品都曾出現(xiàn)在推薦列表，并且出現(xiàn)的次數(shù)差不多，那么就說明該系統(tǒng)覆蓋率比較高。

4. 多樣性

多樣性要求推薦列表需要覆蓋用戶不同興趣領(lǐng)域，既要考慮用戶的主興趣點又要照顧到用戶其他的興趣，從而擴大用戶瀏覽量，提高訂單量。

5.? 新穎性

一般推薦結(jié)果的平均流行度度量新穎性比較粗略，如果要提高新穎性的準確度需要做用戶調(diào)查。

6. 驚喜度

驚喜度對推薦系統(tǒng)是更高的要求，它是基本意思是如果推薦結(jié)果和用戶的歷史興趣不相似但卻讓用戶覺得滿意。

7. 信任度

如果推薦結(jié)果的可解釋性能提高用戶的信任度，比如提示用戶，你的xx好友曾購買過該商品，這樣更能讓用戶對推薦的商品感興趣。

8. 實時性

如果推薦結(jié)果能夠根據(jù)用戶的行為實時發(fā)生變化，那么就說明該系統(tǒng)實時性比較好，當前很多公司采用流式計算來提高系統(tǒng)的實時響應(yīng)度。

9. 健壯性

眾所周知，絕大部分的推薦系統(tǒng)都是通過分析用戶的行為實現(xiàn)推薦算法的，那么如果有人惡意注入行為攻擊，很容易導(dǎo)致推薦結(jié)果的不準確，所以一個好的推薦系統(tǒng)需要有較強抵抗噪聲數(shù)據(jù)的能力。

10. 商業(yè)目標

推薦系統(tǒng)的結(jié)果要時時關(guān)注與商業(yè)目標是否一致，技術(shù)的驅(qū)動離不開業(yè)務(wù)的支持，一個能給公司帶來盈利的系統(tǒng)才能更加長久。

本文由 @alentain 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議。