QConShanghai2013-杨浩-360推荐系统实践.pdfVIP

QCon北京2014大会 4月25—27日 @InfoQ infoqchina 360推荐技术那些事 杨浩（yanghao@360.cn) 个⼈简介 •  ⾏业背景 •  ⾯向服务计算（博⼠） BUPT •  模式识别（实习⽣） MSRA •  搜索（⼤搜索Query分析） BAIDU •  推荐 （视频、导航、搜索onebox ） 360 •  技术背景 •  C++ •  Python/Perl •  SOA •  Machine Learning •  Linux OUTLINES •  为什么要做推荐 •  更⾼导流，更⾼收益？ •  推荐现状 •  “ ” ⽆视需求，⽆视场景，⽆视质量，⽆视反馈的 强⾏推荐 •  如何做推荐 •  “ + + ” ⽤户⾏为 领域知识 微创新 •  ⼀些推荐实践 •  推荐指标、产品设计、技术实现、架构⽀持 •  推荐后续规划 •  标签推荐、Social推荐 •  QA 1、为什么要做推荐 VS 搜索 推荐 搜索（引擎） 推荐（引擎） •  赚钱 •  能不赚钱吗？ •  强需求（明确需求） •  弱需求（⾮明确需求） •  覆盖率低 •  覆盖率⾼ •  点击率⾼ •  点击率低 •  导流⾼ •  导流更⾼ 业界实例： 35% of sales result from recommendations   75% of Netflix views result from recommendations VS 搜索 推荐 •  搜索垫基⽯，推荐任⻦⻜ •  搜索不好，⽤户第⼀感觉很差，推荐⽆从谈起 •  搜索通⽤，推荐专业、垂直 •  搜索流程：Query – Search – Rank •  User – Query – Search –Rank 推荐流程： •  可以结合⽤户，分析不同的深层需求（Query) ，进⾏多种 类型推荐 •  Search Rank 和 可以借鉴搜素技术 Rank Query Rank User Search Query