2017年C2C电商平台推荐系统架构演进.pdf

上传人：云闲

编号：95369

2021-01-01

PDF 36页 1.24MB

《2017年C2C电商平台推荐系统架构演进.pdf》由会员分享，可在线阅读，更多相关《2017年C2C电商平台推荐系统架构演进.pdf（36页珍藏版）》请在三个皮匠报告上搜索。

1、C2C电商平台推荐系统架构演进转转推荐算法部张相於（）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?&?feed?分享提纲 C2C?&?feed?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?&?feed?石器时代粗粒度个性化推荐问题?青铜时代细粒度多维度个性化推荐主要改进?-?CF+?-?=?-X+X-?效果：转化率共提升78%工

2、业革命I 实时推荐系统主要改进?CF?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?ML?ML?ML?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?/?未来发展方向?分享提纲 C2C?&?feed?面向用户画像的用户画像?用户画像第一原则：做有用的用户画像?多维度用户画像?问题?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正反馈数据负反馈数据负反馈数据特征提取特征提取机器学习模型机器学习模型相关兴趣预测相关兴趣预测机器学习的优势?画像系统演变主线总结?未来发展方向?广告：招聘高级推荐算法&架构工程师（）

2017年C2C电商平台推荐系统架构演进.pdf

相关报告