<button id="hu96j"><acronym id="hu96j"></acronym></button><dd id="hu96j"><pre id="hu96j"></pre></dd>
        <video id="hu96j"><font id="hu96j"><th id="hu96j"></th></font></video>
          <nav id="hu96j"></nav>
        <tbody id="hu96j"><center id="hu96j"><video id="hu96j"></video></center></tbody>

      1. <dd id="hu96j"><track id="hu96j"></track></dd>

        <dd id="hu96j"></dd>
        <rp id="hu96j"><acronym id="hu96j"></acronym></rp>
      2. <button id="hu96j"></button>

        • 保存到桌面加入收藏設為首頁
        產品運營

        運行在不同應用上的個性化推薦系統

        時間:2014-06-09 23:02:57   作者:tanym   來源:沈逸的IT專欄   閱讀:6347   評論:0
        內容摘要:個性化推薦系統是建立在海量數據挖掘基礎上的一種高級商務智能平臺,以幫助網站主為其用戶提供完全個性化的決策支持和信息服務。
        運行在不同應用上的個性化推薦系統
            推薦不是預測,推薦是有依據的,預測是扯淡的。今天本文來談兩種“推薦”和一種類似“預測”的推薦。其實不管推v也好還是預測也好,都是有依據的。
         
          一、最早我是這樣喜歡上“推薦”的
         
          豆瓣。
         
          不得不再次解說下豆瓣:大約05年接觸到這個網站,來自于好友推薦。吐槽:也許這就是早期“朋友圈”這個概念了,北漂時很孤獨、很空虛、很無助,從小城市來到大城市什么都感到很新鮮,新鮮到都不知道什么是好什么是壞的,于是“朋友圈”對你的無節操推薦你都會迫不及待嘗試一下。
          那時為何我們想不到做這么一個應用呢?,所以說有句負能量的話很對:”你只需看著別人精彩,上帝對你另有安排”。(我認為愚鈍的我,就算上帝對我有所安排,也體會不到)
          回到正題:當我在豆瓣上看了一大堆書評和影后發現以后想看什么“似乎豆瓣已經知道了”。因為在它的首頁上已經顯示出“猜你喜歡”,而且非常精準。
          接下來的日子是我用c#實現“猜你喜歡”算法,于是各種余弦相似性、修正的余弦相似性、協同過濾算法被我瘋狗般的實現一遍,并用在了公司某電商項目中。
         
          花絮:
         
          1、最近有個項目也需要用到推薦算法。我又開始復習舊功課了
          2、我還是打算做一個“猜你喜歡”來給用戶推薦信息或購物
          3、我一個朋友建議我做一個“猜你媽喜歡”的功能,比“猜你喜歡“更簡單更暴力,更能符合電商“創新”法則。我很認同的昏倒了
         
          關于余弦相似性:
         
          如果不明白這個算法的人,我們可以理解為向量夾角。每一個向量就是每一個人對某個事物的喜好程度和打分,向量之間的夾角越小說明你和某人相似度越高。通過這個基本原理,只要你對某個商品進行了打分,那么我立馬可以找出和你興喊好很類似的用戶,于是我會把他們的興趣愛好商品推薦給你。理論上講,能夠中你的興趣度很高。
         
          點評:
         
          這種推薦來自于大數據的挖掘。樣本數據越大結果越精準。不光是電商,信息類門戶如微博都會使用類似這種算法思路實現推薦。譬如你經常會在微博上看到“可能你感興趣的人“,我大致看了看,確實命中率在60%以上。
         
          二、微信朋友圈推薦
         
          微信的到來讓我們欣喜若狂,其朋友圈很是讓人耳目一新。大約有那么幾周時間,我天天能看到微信朋友圈里分享技術、互聯網新聞、涉yellow段子、各種節操商品購物推薦、各種養生知識。
          其實,這叫“被動推薦“,不需要任何算法。凡是”朋友“推薦的東西總能讓你感覺”可能會很美好“。
         
          事實上時間久了我發現:
          1、技術知識由于格式問題,在微信里看根本不適合
          2、互聯網新聞還不如看微博
          3、涉yellow段子都是看了無數遍的重復段子
          4、商品購物推薦基本要么是爛貨要么是吭貨,還有誘導點贊
          5、養生知識很多都是假的。
         
          于是,我在微信中把一些“無節操、無腦”推薦的好友給屏蔽了。因為,有些東西我不需要他們的推薦。逐漸開悟的民眾也許已經能自己“判斷是非”了。
         
          點評:
         
          這種推薦無節操、很暴力。不可否認的是興趣愛好類似的小眾群體中進行的“推薦”,轉化率很高。只不過持久性不足,其效果太容易大起大落。
         
          三、統計學推薦
         
          大家知道為神馬星座這么準?
          網上說,其實它是一門統計學,把各個出生年月日的人物性格統計出來(我不知道是何方神圣統計的),然后大部分人都會與其有所對應,畢竟用統計學的話不符合的都是少數。
          這里我舉個小案例,讓大家知道利用統計學做推薦的“魔力“:
          假如我是一個詐騙團隊頭目,最近缺錢花,今年又是2014世界杯,于是我想到了一個辦法來騙錢。方法如下:
          首先假設世界杯已經開始了,第一場是巴西對中國
         
          1、買一萬個信封,分成兩份,前五千份寫上巴西贏,后五千份寫上中國贏。落款是:宇宙級世界杯超精準預測推薦小組。然后在開場前把1萬份信都寄出去。
          2、規則很簡單。如果用戶收到的預測信是正確的,請關注信封上印的“二維碼公眾號”,并回復1,這樣他們下一場比賽還會收到我們的預測信息(不過,用的不是再是紙質信封,而是微信公眾號直接發預測推薦結果,節約成本),不關注、不回復則不再發信息。
          3、于是巴西和中國正式比賽有一萬個人會收到我的信。接下來就是他們興致勃勃的看球賽。我們假設結果是中國贏,于是收到“巴西贏”的5000人會把信當場撕掉。一邊罵我是2B一邊還可能打電話報警。不過這些我都沒問題,我已經準備了多部手機號碼了。不過可喜的是,另外5000人會關注我的微信公眾號,并回復“1”,然后殷切的等待下一場預測結果。
          4假設第二場是:美國VS朝鮮。于是,我針對這5000人再次分成兩組,一組2500個人發“美國贏”,一組2500人發“朝鮮贏”。
          5、后面的結果大家也能猜到了。繼續會有2500人“取消對我的關注”,另外2500的人對我開始“有點拜”。
          6、以上步驟反復類推,經我估算,大約關注人群減少到150人左右時(大概進行了5次預測推薦),這150人絕對會是我的忠實粉絲(瘋狗般的崇拜我),很忠實,因為他們連續5次獲得的推薦結果都是和真實比賽是一樣的。
          7、下面一次的預測結果我就不會和以前一樣了。而是發送一條文字信息“本團隊為全人類主宰級、宇宙級、恐龍級推薦團隊,我們的推薦必然會得到god一樣的驗證,如果您需要再次獲得下一場比賽的結果,請向XXX賬號支付XXX元,你將會一如既往的得到我們的服務”。最后,別忘了提示一下:我們推薦的結果可以用來“賭球“
          8、好吧。我可以很負責任的告訴大家,這150個人必然會有90%的人匯款給我。并期待下一場結果
          9、大家要問后來呢?我想說還需要后來嗎?卷鋪蓋逃跑了。換個微信號、換個城市繼續吧
          極其嚴肅的申明:以上辦法請勿模仿,僅僅為讓大家學習統計學的推薦原理,模仿后造成的后果本人一律不負責。
         
          點評:
         
          不要小看統計學推薦。他經常被用于一些“自媒體電商”,“特定行業人群電商”。做法更簡單、更暴力,只不過他就像“數學謎題”一樣,大部人會繞進去。
         
          譬如我再舉個例子:
         
          早期d外有個電商網站,特點是每天賣一種商品。于是每天有幾萬人上來看到底是啥商品,其中一半人喜歡一半人不喜歡。根據上面的案例反復類推。最終網站積累了幾千種子用戶,因為他們發現這個網站每天推的商品都是他們喜歡的,很有愛、很開心。于是,多年后該網站搖身一變變成了針對d些特定行業、特定領域用戶群服務的真正的電商網站。
         
          結論:
         
          這里不下結論,防止對大家的思維產生固化。思考一下、想一下。換種思維海闊天空。


            PS:什么是個性化推薦?
            答:個性化推薦是根據用戶的興趣特點和購買行為,向用戶推薦用戶感興趣的信息和商品。隨著電子商務規模的不斷擴大,商品個數和種類快速增長,顧客需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關的信息和產品過程無疑會使淹沒在信息過載問題中的消費者不斷流失。為了解決這些問題,個性化推薦系統應運而生。個性化推薦系統是建立在海量數據挖掘基礎上的一種高級商務智能平臺,以幫助電子商務網站為其顧客購物提完全個性化的決策支持和信息服務。
        國內比較出名的個性化推薦系統提供商:北京百分點信息科技有限公司


        IDCsped 提供最新的IT互聯網資訊,本著分享、傳播的宗旨,我們希望能幫助更多人了解需要的信息!

        部分文章轉載自互聯網、部分是IDCsped原創文章,如果轉載,請注明出處:www.idcsped.com !
        微信號:13430280788  歡迎加微信交流!

        標簽:個性化推薦系統  大數據分析  
        相關評論

        銷售電話:13430280788

        Copyright © 2012-2017 | www.idcsped.com 版權所有

          粵公網安備 44010502001126號  粵ICP備12006439號-1
        Powered by OTCMS V3.61
        日韩欧美永久中文字幕视频
          <button id="hu96j"><acronym id="hu96j"></acronym></button><dd id="hu96j"><pre id="hu96j"></pre></dd>
            <video id="hu96j"><font id="hu96j"><th id="hu96j"></th></font></video>
              <nav id="hu96j"></nav>
            <tbody id="hu96j"><center id="hu96j"><video id="hu96j"></video></center></tbody>

          1. <dd id="hu96j"><track id="hu96j"></track></dd>

            <dd id="hu96j"></dd>
            <rp id="hu96j"><acronym id="hu96j"></acronym></rp>
          2. <button id="hu96j"></button>