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

編輯導語：推薦算法基于用戶喜好，為用戶推送其可能感興趣的事物。這一模式有利有弊，一方面，推薦算法的存在可以幫助用戶在海量信息中進行篩選，但另一方面，個性化推薦讓用戶喜好無所遁形。本篇文章里，作者從短視頻讓人上癮這一現象入手，對推薦算法進行了拆解，一起來看一下。

“這篇文章主要是想通過短視頻產品，和大家探討一個對于數據分析師相對比較陌生的領域：推薦算法?！?/p>

一、比你自己更懂你

不知小伙伴們是否和我一樣，每天都會面對一個來自靈魂深處的拷問：今天吃什么？

于是，當我打開美團外賣、餓了么外賣，首頁一大波我愛吃的推薦好菜便撲面而來，媽媽再也不用擔心我今天吃什么啦！當我們在淘寶、京東等購物網站完成一次購物之后，平臺馬上就會為我們推薦另外一些相似的商品，一不留神又開啟了買買買的模式。

當我們在閑暇打開抖音摸魚的時候，為什么會源源不斷刷出自己感興趣的視頻，不知不覺大半天已經過去了，讓人不得不感嘆：這推薦，根本停不下來?。?/p>

從衣食住行到文教娛樂，這些滲透到我們日常生活方方面面的一個個互聯網產品，不斷讓我們驚呼：哇哦，amazing，它們簡直比我自己還要了解我！小朋友，此時你腦海里是否有很多問號，它們到底是怎么做到的呢？

其實，在它們的背后都有一個強大的大腦——推薦系統。接下來我們就一起走進推薦系統的奇妙世界！

二、打開推薦系統的“黑匣子”

1. 推薦系統的目的

隨著互聯網信息技術的發展，我們已經身處在大數據的時代。

在浩如煙海的信息中，如何找到自己感興趣的內容，或者說信息生產者如何讓自己所要傳達的信息被人們所看到，都會是一個非常困難的過程。推薦系統就像一個漏斗一樣，通過對信息進行融合、摘要和篩選，最終呈現給用戶自己認為或者商家覺得“有用的信息”。

2. 推薦系統分類

3. 推薦系統核心流程

推薦系統本質是一個信息過濾系統，它基于用戶數據、用戶行為數據和商品內容信息并通過一定的算法來預測用戶的偏好，根據用戶的偏好特點過濾掉用戶不感興趣的商品或者內容，從而通過“千人千面”的手段不斷的吸引用戶留在產品上。

按照流程通常分為：召回、排序、重排序這3個核心環節，每個環節逐層過濾，最終從海量的物料庫中篩選出幾十個用戶可能感興趣的內容或商品推薦給用戶。

三、短視頻個性化推薦大揭秘

1. 基于用戶的協同過濾

核心思想：A和C兩個用戶相似，給A推薦C喜歡且A沒有看過的東西。

2. 基于物品的協同過濾

核心思想：兩個視頻1和3相似，給C推薦與視頻1（A和C都喜歡）相似的內容。接下來，我們以基于用戶的協同過濾為例，通過短視頻推薦的案例給大家進行略作詳細講解。

假設在某短視頻平臺有ID為DY001至DY006的六位用戶，他們可能對不同短視頻進行瀏覽、收藏、點贊、評論、分享等行為操作。為了衡量不同用戶對不同短視頻的興趣度，我們可以設計一個簡單的模型，對不同行為賦予相應的分值，如下表：

根據用戶的行為計算視頻得分，滿分10分，加到10后則不再累加。比如某一用戶對搞笑類視頻打分是8分（可能是瀏覽1分，點贊3分，分享4分），然后，我們就能得到DY0001至DY0006這六位用戶對各種類型短視頻的偏好程度得分表（0為完全沒興趣，10為非常有興趣，空白為暫缺）：

很顯然，通過根據用戶在不同視頻上的得分情況，可以得到用戶對不同視頻的喜愛情況，在此基礎上構建出用戶特征向量，然后根據余弦相似度可以判斷用戶之間的相似性。

根據相似性可以建立用戶相似矩陣（得分越接近1代表兩個用戶越相似），可以一定程度上判斷兩個用戶在視頻偏好上的相似程度。

進而我們可以認為，如果用戶A和用戶B比較相似，可以認為A喜歡的書B應該也喜歡。因此我們在給用戶A進行視頻推薦時，找到與其相似度較高的其他用戶，然后過濾掉用戶A已看過的視頻，結合相似用戶對某個視頻的喜愛程度以及該用戶與A用戶的相似度進行加權，得到的推薦指數越高的視頻越優先進行推薦。

當然，對于不同的短視頻平臺，其對用戶的不同行為所賦予的權重是不一樣的，以下是抖音和快手的部分策略對比，僅供參考：

四、結束語

本篇文章，我們從生活中的“個性化推薦”現象入手，一起探討了系統過濾推薦算法的原理以及簡單的應用。

當然，協同過濾推薦算法并不是萬能的，它過度依賴用戶的歷史數據，面對新的用戶或者新的物品，在開始的時候沒有數據或數據較少時，協同過濾算法無法做出較為準確的推薦。需要等數據積累，或者其他方案進行彌補缺陷，也就是常說的冷啟動的問題。

本文由 @知了數據分析 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。