公开课 | 达观数据个性化推荐系统实践

版权声明:本文为博主原创文章,未经博主允许不得转载,欢迎大家讨论交流。 https://blog.csdn.net/qq_40006058/article/details/85308204

在这里插入图片描述
解决两大问题
1.信息过载:随着大数据时代的来临,网络中的信息量呈现指数式增长,随之带来了信息过载问题。
2.长尾问题:80%的收益来自20%的物品,也就是说80%的物品又很少的曝光机会。
在这里插入图片描述

主要设计目标
在这里插入图片描述
总体架构
在这里插入图片描述

推荐流程
在这里插入图片描述
热门推荐:点击排行榜、购买排行榜等
可以用来解决冷启动问题
在这里插入图片描述

基于内容的推荐:利用商品属性

在这里插入图片描述

基于主题模型的推荐
在这里插入图片描述

协同过滤
在这里插入图片描述
隐语义模型LFM
在这里插入图片描述
用户画像
在这里插入图片描述
多模型融合
在这里插入图片描述
常见问题
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

基于DNN的推荐
在这里插入图片描述

基于DKN的推荐:
在这里插入图片描述

在这里插入图片描述
DeepFM
在这里插入图片描述

模型排序
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/qq_40006058/article/details/85308204