“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 ...

在電商領域里，搜索是一種最直接的用戶消費的場景。每個用戶進入一個app，都有自己的一些意圖，比如想買鞋子、想買衣服，而且對一些品牌以及顏色風格都有一定的要求。因此搜索對於商品的觸達是非常重要的。 我這里就針對自己的理解，對個性化的搜索做一個粗略的總結。一般來說app內的搜索都會經歷下面 ...

轉載自：https://www.jianshu.com/p/1fd2b97fc765 原文鏈接：https://mp.weixin.qq.com/s/lUP2BehOh7KczR3WRnOqFw 愛奇藝推薦系統介紹 我們的推薦系統主要分為兩個階段，召回階段和排序階段 ...

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 ...

前言 在移動互聯網迅速發展的今天，信息量爆發性增長，人們獲取信息的途徑越來越多，如何從大量的信息中獲取我們想要的內容，成為了推薦系統研究的重點。 隨着大數據產業的不斷壯大，推薦系統在企業也越來越重要，從亞馬遜的“猜您喜歡”，到阿里雙十一手機淘寶的“千人千面”，無一不彰顯着推薦系統至關重要的作用 ...

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 ...