58同城推荐系统设计与实现-沈剑-20140826.pdfVIP

58同城推荐系统设计与实现 技术中心-沈剑 shenjian@58.com 业务场景-58 • 58目前分类：招聘 = 简历推荐 +职位推荐 业务场景-豆瓣 • 豆瓣电影，电影推荐 • 怎么实现的？ 业务场景-百度知道 • 百度知道，问题推荐 怎么实现的？ 关于-本技术交流 • 是什么：推荐常用的策略与算法 • 是什么：推荐系统难点 +设计 +实现 • 关于我：58同城推荐系总体设计，分流平台+推荐内核详细设计 +编 码，推荐系统项目负责人 • @58沈剑 目录 • 推荐简介 • 常用推荐方法 • 系统难点 +设计 +实现 • 其他 第一章、推荐简介 推荐简介 • 用户在在某个场景下对某个商品或信息产生了某种行为 ，系统会对另 一些商品或信息进行推荐 • 要素： （1 ）用户- user （2 ）场景- scene （3 ）商品或信息- item （4 ）行为- action （5 ）系统- recommendation-system （6 ）推荐结果集合- recommendation-result / item-set 系统概貌 • 用户在在某个场景下对某个商品或信息产生了某种行为 ，系统会对另 一些商品或信息进行推荐 • 举例：用户在58同城发布了一份简历 user-info ：uid scene-info ：entry、local、cateid item-info ：jid action ：post item-set ：setzid 第二章、常用推荐方法 协同过滤-CF • 协同过滤：collaborative filtering Recommendation • 原理：用户的相似喜好进行推荐 • 举例：商家下载简历的推荐 jid1 jid2 jid3 jid4 jid5 jid6 … jid1000w uid1 yes yes yes … uid2 yes yes yes yes … uid3 yes yes yes yes yes … uid4 yes yes … … uid100w 内容推荐 • 内容推荐：content-based Recommendation • 原理：抽取共有属性 • 举例：商家下载简历的推荐 历史行为 jid1 ，download j id2 ，download • 步骤： zid1 ，post （1 ）历史行为收集 详情 jid1 （司机，北京，8000月薪，5年经验，NULL ） jid2 （司机，北京，NULL ，2年经验，硕士研究生） （2 ）id详情查询 zid1 （司机，北京，NULL ，3年经验，NULL ） （3 ）共性内容挖掘 共性 （司机，北京，