C2C电商平台推荐系统架构演进_架构师峰会_北京站.pptxVIP

C2C电商平台推荐系统架构演进张相於转转 推荐算法部张相於( zhangxy@ )转转 推荐算法部 技术负责人多年来一直从事推荐系统、机器学习系统相关工作。主导构建、优化了多套推荐系统 ，具有丰富的踩坑经验。分享提纲C2C市场转转介绍feed流推荐服务架构演变用户画像系统架构演变总结分享提纲C2C市场转转介绍feed流推荐服务架构演变用户画像系统架构演变总结C2C市场转转介绍? 真 ·个人对个人的marketplace? C2C平台的意义? 物品交易? 技能交换? 发现世界C2C市场的特点和挑战? 信息发布随意性? 商品库存唯一性? 买卖时效敏感性分享提纲C2C市场转转介绍feed流推荐服务架构演变用户画像系统架构演变总结石器时代粗粒度个性化推荐问题个性化程度低召回维度单—复用率低缓存效率低青铜时代细粒度多维度个性化推荐主要改进?类别级-单品级细粒度个性化?CF+画像增加召回维度?用户-商品=用户-X + X-商品增强数据复用性效果 ：转化率共提升78%工业革命I实时推荐系统主要改进?商品画像 、CF关系等重要数据离线挖掘实时化? 实时兴趣效果优于离线兴趣用户兴趣实时化效果 ：转化率共提升89%还在持续提升中工业革命II机器学习驱动的推荐系统主要改进? 目标明确 、可量化的排序策略基于ML的排序模型?提升召回质量， 把好相关性第—关?基于过去预测未来， 摆脱拍脑袋决策基于ML的用户兴趣模型基于ML的召回模型效果 ：转化率总提升109%还在持续提升中推荐系统演变主线总结计算模 型化反惯实 时化相关性 精细化召回/排序多维化未来发展方向实时化?特征实时化?模型实时化模型化?召回模型化?模型复杂化分享提纲C2C市场转转介绍feed流推荐服务架构演变用户画像系统架构演变总结面向用户画像的用户画像 年龄 性别 职业 ?用户画像第一原则 ：做有用的用户画像有效连接细致刻画寻求差异多维度用户画像性别偏好类别偏好关键词嵌入式表示问题使用方式不统—管理升级不统—生效时间不统—多维度商品画像统一生成框架如何更好地预测用户兴趣 ？? 用户画像 =物品画像+兴趣模型? 老方法 ：基于规则? 不同时间发生的不同行为赋予不同权重? 将权重做累加计算? 问题? 拍脑袋规则量化不准确? 无法合理利用负反馈机器学习驱动的用户兴趣模型正反馈数据相关兴趣预测特征提取机器学习模型负反馈数据利用负反惯规则量化探索扩展机器学习的优势维度精细化维度多样化计算实时化预测模型化画像系统演变主线总结未来发展方向维度更精细兴趣更发散综合兴趣体模型更准确广告 ：招聘高级推荐算法架构工程师 ( zhangxy@ )