一 推薦系統簡介
個性化推薦(推薦系統)經曆了多年的發展,已經成為網際網路産品的标配,也是AI成功落地的分支之一,在電商(淘寶/京東)、資訊(今日頭條/微網誌)、音樂(網易雲音樂/QQ音樂)、短視訊(抖音/快手)等熱門應用中,推薦系統都是核心元件之一。
- 推薦系統産生背景
- 資訊過載 & 使用者需求不明确
- 分類⽬錄(1990s):覆寫少量熱門⽹站。Hao123 Yahoo
- 搜尋引擎(2000s):通過搜尋詞明确需求。Google Baidu
- 推薦系統(2010s):不需要⽤戶提供明确的需求,通過分析⽤ 戶的曆史⾏為給⽤戶的興趣進⾏模組化,從⽽主動給⽤戶推薦能 夠滿⾜他們興趣和需求的資訊。
- 資訊過載 & 使用者需求不明确
- 什麼是推薦系統
- 沒有明确需求的使用者通路了我們的服務, 且服務的物品對使用者構成了資訊過載, 系統通過一定的規則對物品進行排序,并将排在前面的物品展示給使用者,這樣的系統就是推薦系統
- 推薦系統 V.S. 搜尋引擎
搜尋 推薦 行為方式 主動 被動 意圖 明确 模糊 個性化 弱 強 流量分布 馬太效應 長尾效應 目标 快速滿足 持續服務 評估名額 簡明 複雜 - 推薦系統的作用
- 高效連接配接使用者和物品, 發現長尾商品
- 留住使用者和内容生産者, 實作商業目标
- 推薦系統的工作原理
- 社會化推薦 向朋友咨詢, 社會化推薦, 讓好友給自己推薦物品
- 基于内容的推薦 打開搜尋引擎, 輸入自己喜歡的演員的名字, 然後看看傳回結果中還有什麼電影是自己沒看過的
- 基于流行度的推薦 檢視票房排行榜,
- 基于協同過濾的推薦 找到和自己曆史興趣相似的使用者, 看看他們最近在看什麼電影
- 推薦系統的應用場景 feed 流 資訊流
- 推薦系統和Web項目的差別
- 穩定的資訊流通系統 V.S. 通過資訊過濾實作目标提升
- web項目: 處理複雜邏輯 處理高并發 實作高可用 為使用者提供穩定服務, 建構一個穩定的資訊流通的服務
- 推薦系統: 追求名額增長, 留存率/閱讀時間/GMV (Gross Merchandise Volume電商網站成交金額)/視訊網站VV (Video View)
- 确定 V.S. 不确定思維
- web項目: 對結果有确定預期
- 推薦系統: 結果是機率問題
- 穩定的資訊流通系統 V.S. 通過資訊過濾實作目标提升