京东推荐系统实践.pptxVIP

京东推荐系统实践打造千人千面的个性化推荐引擎目 推荐系统京东推荐产品及架构通用模型的应用离线 CTR 预测实例实验与监控1234目 推荐系统京东推荐产品及架构通用模型的应用离线 CTR 预测实例实验与监控1234京东推荐产品? 80+ 推荐产品，包括移动端和 Web 端? 20+ 推荐服务，支撑 EDM、广告、微信端等? 遍布用户网购的各个环节推荐系统的价值? 挖掘用户潜在购买需求? 缩短用户到商品的距离? 用户需求不明确时提供参考? 满足用户的好奇心推荐产品截图示例不同位置的推荐产品定位不同? 单品页：购买意图? 过渡页：提高客单价? 购物车页：购物决策? 无结果页：减少跳出率? 订单完成页：交叉销售? 关注推荐：提高转化? 我的京东推荐：提高忠诚度? 首页猜你喜欢：吸引用户京东推荐系统架构京东推荐算法优化方向? 以数据分析为工具，提升数据的质量和覆盖度，增强对业务的理解（25%）? 测试不同算法在不同数据源的效果，提高召回模型的质量，增加结果辨识度（50%）? 以用户反馈为依据，融合不同类型、不同维度据源，对推荐结果重排序（15%）? 增加数据的更新频率（5%）? 其他（5%）推荐系统效果全景图注：出于公司数据发布安全考虑，已对品类订单占比数据做了随机变换，仅为演示所用目 推荐系统京东推荐产品及架构通用模型的应用离线 CTR 预测实例实验与监控1234京东对推荐数据的理解 用户行为浏览点击 ? 普通点击 ? 搜索点击加入购物车（或关注）购买 ? 订单 ? 用户评分12345基于内容 ? 标题 ? 扩展属性 ? 评论 ? 描述 ? ...典型推荐系统技术按照数据的分类： 协同过滤、内容过滤、社会化过滤按照模型的分类： 基于近邻的模型、矩阵分解模型、图模型协同过滤 I 用户和商品的共现阵： I对于商品 (item) 向量至少有 10+ 的距离计算公式来计算商品间的距离，一般有： ? Jaccard 距离U1,0,0,0,0,1,? (修正)cosine 距离? Manhattan 距离? Chebychev 距离? 欧 (闵) 式距离? Pearson 相关系数? Spearman 相关系数? Kendall 相关系数? ...0,1,0,0,0,0,1,1,0,0,0,1,0,0,0,0,1,0,0,0,1,0,1,0,0,0,1,0,1,0,0,0,0,1,0,0,0,0,0,0,0,1,0,0,0,0,1,0,0,0,1,0,0,1,协同过滤 II以及不太常见的：? simrank? Mahalanobis 距离? 基于条件概率的 interest? Log likelihood ratio? Mutual information支持类模型? 离线推荐 CTR 预测模型? 用户购买力模型? 周期购买商品识别模型（商品识别 + 购买周期）? ``不良 商品识别模型? 基于图书内容的 LDA 模型? 用户行为加权组合的 SVD、SVD++关于冷启动 对于“瓜子”我们应该推荐什么1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1591_ 瓜子1590_ 锅巴1590_ 薯片1590_ 花生1591_ 开心果1591_ 花生1591_ 西瓜子1591_ 腰果1595_ 饼干1590_ 豆腐干1592_ 牛肉干1594_ 口香糖1591_ 炒货1590_ 肉松饼1671_ 卫生纸1593_ 大枣 1 2 3 4 5 6 7 8 910 11121314151.0000.5960.443 0.3180.2740.2650.2350.230 0.2270.2260.2060.2040.203 0.172 0.165周期类商品（部分）作弊和反作弊? 用户行为的复杂? 过度 SEO? 直接作弊策略：? 异常行为降权? 异常用户直接过滤? 点击流规则过滤目 推荐系统京东推荐产品及架构通用模型的应用离线 CTR 预测实例实验与监控1234推荐的 CTR 预测 ? 关联推荐的情境下，根据给定主商品推出的推荐商品，在用户浏览后被点 击的概率。 ? 可以理解为条件概率 P(Y = 1|X) 为什么要预测推荐商品的 CTR？调整推荐商品的排序，推断潜在模式多模型融合的方式发现影响推荐商品点击率的重要因素123特征表征方法 用目标问题所在的特定领域知识或者自动化方法来生成、提取、删减或组合变 化来得到特征。自动化技术 ? PCA, ICA, NMF ? Linear Discriminant Analysis ? Collaborative Filtering ? AutoEnc