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

許多產(chǎn)品里都設(shè)置了推薦模型系統(tǒng)，比如結(jié)合推薦模型，購(gòu)物平臺(tái)可能會(huì)更知道用戶更想要什么，從而讓相關(guān)產(chǎn)品出現(xiàn)在用戶瀏覽首頁(yè)。那么，推薦模型是如何“起效”和“運(yùn)轉(zhuǎn)”的？個(gè)性化推薦，又有哪些存在意義？本篇文章里，作者便發(fā)表了他的看法，一起來(lái)看。

一款應(yīng)用軟件或系統(tǒng)設(shè)計(jì)，為了更好地迎合市場(chǎng)用戶，一定逃離不了對(duì)用戶的推薦模型，而推薦的目的是為了更好地解決用戶痛點(diǎn)，觸達(dá)用戶目標(biāo)，從而達(dá)到用戶的留存，提高用戶與產(chǎn)品之間的粘度，比如在日常購(gòu)物場(chǎng)景中，打開(kāi)同一款購(gòu)物應(yīng)用可能會(huì)遇到若干種情形：

1. 和好友同時(shí)打開(kāi)app后發(fā)現(xiàn)，為什么兩個(gè)人首頁(yè)各個(gè)頻道入口的圖片以及文字不一致？
2. 為什么同樣搜索相同關(guān)鍵詞，你和好友竟然出現(xiàn)不一樣的商品列表？
3. 為什么我剛剛瀏覽了褲子以后，首頁(yè)各個(gè)頻道的展現(xiàn)變了？

一、購(gòu)物平臺(tái)是如何知道我需要什么？

1. 是如何知道我喜歡什么并且可能想要買(mǎi)什么的？
2. 為什么它能做到每個(gè)人都不一樣？
3. 為什么它要這么做？

從這里會(huì)產(chǎn)生一個(gè)機(jī)器人模型學(xué)習(xí)概念，機(jī)器學(xué)習(xí)就是將主體換為機(jī)器，并且它通過(guò)某種途徑來(lái)獲取知識(shí)或者技能的過(guò)程，并應(yīng)用于未來(lái)的生活工作，人獲取知識(shí)的外化載體是書(shū)本、音頻、視頻等，傳輸通道是人的感官，處理中心是大腦，而對(duì)應(yīng)于機(jī)器外化載體也同樣可以有以上各類信息源，并且使用各類外放設(shè)備收集信息，處理中心是CPU與存儲(chǔ)共同維護(hù)。

一個(gè)是演繹法，一個(gè)是歸納法，這兩種方法分別對(duì)應(yīng)人工智能中的兩種系統(tǒng)：專家系統(tǒng)和機(jī)器學(xué)習(xí)系統(tǒng)。

所謂演繹法，是從已知的規(guī)則和事實(shí)出發(fā)，推導(dǎo)新的規(guī)則、新的事實(shí)，這對(duì)應(yīng)于專家系統(tǒng)。

專家系統(tǒng)也是早期的人工智能系統(tǒng)，它也稱為規(guī)則系統(tǒng)，找一組某個(gè)領(lǐng)域的專家，如醫(yī)學(xué)領(lǐng)域的專家，他們會(huì)將自己的知識(shí)或經(jīng)驗(yàn)總結(jié)成某一條條規(guī)則、事實(shí)，例如某個(gè)人體溫超過(guò)37度、流鼻涕、流眼淚，那么他就是感冒，這是一條規(guī)則。

當(dāng)這些專家將自己的知識(shí)、經(jīng)驗(yàn)輸入到系統(tǒng)中，這個(gè)系統(tǒng)便開(kāi)始運(yùn)行，每遇到一些新情況，會(huì)將之變?yōu)橐粭l條事實(shí)。當(dāng)將事實(shí)輸入到專家系統(tǒng)時(shí)，專家會(huì)根據(jù)規(guī)則或事實(shí)進(jìn)行推導(dǎo)、梳理，并得到最終結(jié)論，這便是專家系統(tǒng)。

而歸納法是從現(xiàn)有樣本數(shù)據(jù)中不斷地觀察、歸納、總結(jié)出規(guī)律和事實(shí)，對(duì)應(yīng)機(jī)器學(xué)習(xí)系統(tǒng)或統(tǒng)計(jì)學(xué)習(xí)系統(tǒng)，側(cè)重于統(tǒng)計(jì)學(xué)習(xí)，從大量的樣本中統(tǒng)計(jì)、挖掘、發(fā)現(xiàn)潛在的規(guī)律和事實(shí)。

二、機(jī)器學(xué)習(xí)過(guò)程數(shù)據(jù)維度

可以大致推算出購(gòu)物app為什么能夠知道你喜歡什么，是基于一個(gè)假設(shè)條件的：一個(gè)人歷史的購(gòu)物行為及偏好，會(huì)在未來(lái)的行為中也有跡可循。

所以利用機(jī)器學(xué)習(xí)我們通過(guò)用戶歷史交互數(shù)據(jù)（特征包括：誰(shuí)在什么時(shí)間買(mǎi)了什么東西，這個(gè)東西的名字叫什么，什么顏色，價(jià)格多少等等）。 比較有用的可以對(duì)未來(lái)推薦有指導(dǎo)意義的特征包括：

1）購(gòu)買(mǎi)力

一個(gè)平時(shí)只買(mǎi)100元左右牛仔褲的用戶，未來(lái)短期內(nèi)買(mǎi)10000元和10元的褲子的概率遠(yuǎn)遠(yuǎn)低于買(mǎi)100左右或者200左右的概率，所以推薦的時(shí)候會(huì)更優(yōu)先給你看到100-200左右的褲子。

2）性別

平時(shí)在淘寶上只買(mǎi)男性或男女通用商品的用戶，未來(lái)短期內(nèi)買(mǎi)女性商品概率遠(yuǎn)遠(yuǎn)低于男性和男女通用商品的概率。

3）年齡

一個(gè)一直購(gòu)買(mǎi)20-25歲左右服飾的用戶，未來(lái)短期內(nèi)購(gòu)買(mǎi)其它年齡段的概率遠(yuǎn)遠(yuǎn)小于20-25歲年齡段的概率。

三、為什么能夠做到每個(gè)人不一樣？

根據(jù)學(xué)習(xí)邏輯歸類，如果在機(jī)器學(xué)習(xí)階段考慮一些跟人相關(guān)的因素（特征），那這個(gè)因素的不同值就會(huì)影響結(jié)果輸出。

比如我們現(xiàn)在根據(jù)用戶對(duì)他購(gòu)物的商品的評(píng)分?jǐn)?shù)據(jù)，來(lái)預(yù)測(cè)一個(gè)他從未買(mǎi)過(guò)的商品的評(píng)分，背后影響用戶評(píng)分的因素可能包括以下幾個(gè)：價(jià)格，售前/后，物流，商家主營(yíng)類目是否和用戶購(gòu)買(mǎi)的類目相同，其它用戶的評(píng)分（如果其他用戶評(píng)分高則一定程度上代表了這個(gè)商品的好壞）等等。

比如物流和價(jià)格這類因素（特征），如果和用戶這個(gè)特征做交叉后，其實(shí)會(huì)有非常迥異的權(quán)重值，而這一切是每個(gè)用戶的購(gòu)買(mǎi)力和用戶體驗(yàn)?zāi)褪芰Φ炔煌瑤?lái)的。所以如果你考慮了用戶的特征則這就會(huì)影響每個(gè)人的推薦結(jié)果不一樣。

四、個(gè)性化推薦的核心使命

可以打破80%的用戶只買(mǎi)20%的商品的規(guī)律，更好地降低長(zhǎng)尾商品的比例，因?yàn)樵陔娚坍a(chǎn)品中，在非個(gè)性化的商品展示過(guò)程中，往往爆款商品擁有更多的流量，這樣其實(shí)不能很好的照顧到高質(zhì)量長(zhǎng)尾用戶和高質(zhì)量長(zhǎng)尾商品。

舉個(gè)例子，在淘寶的某個(gè)頻道，有很多褲子，A褲子100元近5天的銷量可能1w件，B褲子1000元近5天的銷量是100件，在不考慮其它因素的情況下，非個(gè)性化模型（或運(yùn)營(yíng)排序）一般會(huì)偏向于A褲子在B褲子前面，但是如果這個(gè)用戶在平臺(tái)歷史購(gòu)物行為都是集中在高價(jià)格商品（名牌包包等），則如果你個(gè)性化的考慮每個(gè)人的這個(gè)偏好，那么有可能B褲子就在前面了，而且用戶可能真的更喜歡B褲子。

1. 流量均衡曝光

在APP或網(wǎng)站有限的商品曝光機(jī)會(huì)下，為每個(gè)展現(xiàn)的商品爭(zhēng)取最大的點(diǎn)擊/成交等，因?yàn)橛脩粼谄脚_(tái)上的時(shí)間是有限的，如果能在海量的商品中，為用戶找到他感興趣的商品，那么平臺(tái)將在這有限的流量資源下收獲更大的價(jià)值。

舉個(gè)例子，有可能用戶在某個(gè)頻道下，看了A，然后看了B，再看了C，最終買(mǎi)了D，并且ABCD這四個(gè)商品都是有一定關(guān)系的商品，那么平臺(tái)能否在一開(kāi)始在我看完A以后就幫我找到C，并在A下面推薦D商品。在最大限度挖掘用戶購(gòu)物需求的情況下，最大限度縮短用戶購(gòu)物的時(shí)間。

2. 提升極速流暢的購(gòu)物體驗(yàn)

可以給用戶創(chuàng)造極致的用戶體驗(yàn)，極致的用戶體驗(yàn)是用戶信任依賴平臺(tái)，在每次購(gòu)物過(guò)程中，希望平臺(tái)能夠幫助其快速，準(zhǔn)確地找到其想要的商品，其中包括了基于用戶歷史興趣的再延伸，也有基于用戶角色的行為探索。

比如用戶每隔25-30天會(huì)購(gòu)買(mǎi)尿不濕，未來(lái)平臺(tái)是否能夠在23-33之間快速捕捉用戶購(gòu)買(mǎi)尿不濕的需求；再比如用戶在平臺(tái)上第一次瀏覽電腦，我基于用戶的其它購(gòu)物行為（比如用戶之前在平臺(tái)上經(jīng)常買(mǎi)20-25歲的衣服，并且大部分郵寄的地址為大學(xué)宿舍），是否平臺(tái)可以在接下來(lái)的瀏覽中為用戶呈現(xiàn)適合學(xué)生族高性價(jià)的電腦。

穩(wěn)定的流量與穩(wěn)定的交互、比例可以保證數(shù)據(jù)的稠密性，單用戶和單商品有足夠的數(shù)據(jù)可以完成機(jī)器學(xué)習(xí)，并且保證一定的置信度；當(dāng)有新用戶（新商品）加入系統(tǒng)時(shí)，由于系統(tǒng)中缺乏用戶（商品）歷史反饋信息，所以完全無(wú)法推斷用戶的偏好，也就無(wú)法做出預(yù)測(cè)，信息匹配量級(jí)差異過(guò)大。

在人機(jī)交互過(guò)程中不斷拓展用戶行為模型，補(bǔ)充足夠的產(chǎn)品信息庫(kù)，根據(jù)不同人群瀏覽行為進(jìn)行精準(zhǔn)推薦與展示，實(shí)現(xiàn)把不同價(jià)格產(chǎn)品根據(jù)不同的流量池分布給需要的用戶，這個(gè)過(guò)程可以稱為從廣泛匹配到精準(zhǔn)匹配，使購(gòu)物的推薦運(yùn)算模型得到個(gè)性化的具象呈現(xiàn)。

也俗稱千人千面的搜索個(gè)性化，千人千面并不神秘，只不過(guò)是統(tǒng)計(jì)學(xué)的應(yīng)用，

簡(jiǎn)單的來(lái)說(shuō)，展現(xiàn)在用戶面前的是產(chǎn)品合集，從用戶到產(chǎn)品展示合集分四步曲。

第一步：用戶進(jìn)入產(chǎn)品應(yīng)用，產(chǎn)品立即識(shí)別用戶的標(biāo)簽，這些標(biāo)簽叫做抽樣條件。

第二步：根據(jù)該用戶標(biāo)簽找到相似人群，這叫做根據(jù)條件抽樣。

第三步：根據(jù)相似人群找到他們共同喜歡的產(chǎn)品，叫做對(duì)比樣品共性。

第四步：在系統(tǒng)所有同類型的產(chǎn)品中，找到與樣品庫(kù)相似的產(chǎn)品，形成產(chǎn)品合集，這些產(chǎn)品合集會(huì)展示在該用戶的面前，相似度越高，權(quán)重越高，排名越靠前。