1）什么是用戶興趣？ 　　指用戶在使用某APP時，所表現的行為傾向性，APP會根據用戶的一系列行為表現來確實用戶的興趣。 2）興趣模型的分類 　　按時間：長期興趣，短期興趣；長期興趣指不容易隨着時間而變化的興趣，相對穩定；短期興趣指變化比較頻繁的興趣。 　　按表現：顯式的興趣；隱式的興趣 ...

“探索推薦引擎內部的秘密”系列將帶領讀者從淺入深的學習探索推薦引擎的機制，實現方法，其中還涉及一些基本的優化方法，例如聚類和分類的應用。同時在理論講解的基礎上，還會結合 Apache Mahout 介紹如何在大規模數據上實現各種推薦策略，進行策略優化，構建高效的推薦引擎的方法。本文 ...

針對內測用戶反饋，由於前一天點擊了幾個動畫，導致第二天推薦的動畫屏占比較高，於是開始對此badcase進行分析。 首先分析了該用戶的歷史觀看紀錄，由於系統升級，日志缺陷問題，導致該用戶10.15-11.3之間的日志沒有收集到，但是這就出現了前面的假設不成立現象，由於沒有收集到新的數據，對用戶畫像 ...

。 召回階段根據用戶的興趣和歷史行為，同千萬級的視頻庫中挑選出一個小的候選集（幾百到幾千個視頻）。這 ...

基於內容的推薦引擎是怎么工作的 基於內容的推薦系統，正如你的朋友和同事預期的那樣，會考慮商品的實際屬性，比如商品描述，商品名，價格等等。如果你以前從沒接觸過推薦系統，然后現在有人拿槍指着你的頭，強迫你在三十秒之內描述出來，你可能會描述這樣一個 ...

目前，推薦系統廣泛應用於電商、信息流和地圖。工業級推薦系統架構一般以召回+推薦作為大框架。其中，以算法區分，如下圖所示。 離線/線上指標如下圖所示： 個性化召回算法是根據用戶的屬性行為上下文等信息從物品全集中選取其感興趣的物品作為候選集，召回決定了最終推薦結果的天花板。 個性化召回分為 ...

推薦系統核心任務是排序，從線上服務角度看，就是將數據從給定集合中數據選擇出來，選出后根據一定規則策略方法 進行排序。 線上服務要根據一定規則進行架構設計，架構設計是什么？每一次權衡取舍都是設計，設計需要理解需求、深入理解需 求基礎上做權衡取舍。復雜系統架構需要 ...

1 推薦技術 1）協同過濾： （1）基於user的協同過濾：根據歷史日志中用戶年齡，性別，行為，偏好等特征計算user之間的相似度，根據相似user對item的評分推薦item。缺點：新用戶冷啟動問題和數據稀疏不能找到置信 ...