京東推薦系統(tǒng)實踐課件

京東推薦系統(tǒng)實踐打造千人千面的個性化推薦引擎目

推薦系統(tǒng)1234京東推薦產(chǎn)品及架構通用模型的應用離線

CTR

預測實例實驗與監(jiān)控目

推薦系統(tǒng)1234京東推薦產(chǎn)品及架構通用模型的應用離線

CTR

預測實例實驗與監(jiān)控推薦產(chǎn)品截圖示例不同位置的推薦產(chǎn)品定位不同?

單品頁：購買意圖?

過渡頁：提高客單價?

購物車頁：購物決策?

無結果頁：減少跳出率?

訂單完成頁：交叉銷售?

關注推薦：提高轉(zhuǎn)化?

我的京東推薦：提高忠誠度?

首頁猜你喜歡：吸引用戶京東推薦系統(tǒng)架構京東推薦算法優(yōu)化方向?

以數(shù)據(jù)分析為工具，提升數(shù)據(jù)的質(zhì)量和覆蓋度，增強對業(yè)務的理解（25%）?

測試不同算法在不同數(shù)據(jù)源的效果，提高召回模型的質(zhì)量，增加結果辨識度（50%）?

以用戶反饋為依據(jù)，融合不同類型、不同維度據(jù)源，對推薦結果重排序（15%）?

增加數(shù)據(jù)的更新頻率（5%）?

其他（5%）目

推薦系統(tǒng)1234京東推薦產(chǎn)品及架構通用模型的應用離線

CTR

預測實例實驗與監(jiān)控典型推薦系統(tǒng)技術按照數(shù)據(jù)的分類：

協(xié)同過濾、內(nèi)容過濾、社會化過濾按照模型的分類：

基于近鄰的模型、矩陣分解模型、圖模型協(xié)同過濾

II以及不太常見的：?

simrank?

Mahalanobis

距離?

基于條件概率的

interest?

Log

likelihood

ratio?

Mutual

information支持類模型?

離線推薦

CTR

預測模型?

用戶購買力模型?

周期購買商品識別模型（商品識別

+

購買周期）?

``不良''

商品識別模型?

基于圖書內(nèi)容的

LDA

模型?

用戶行為加權組合的

SVD、SVD++關于冷啟動

對于“瓜子”我們應該推薦什么

1

2

3

4

5

6

7

8

910

11121314151591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1591_

瓜子1590_

鍋巴1590_

薯片1590_

花生1591_

開心果1591_

花生1591_

西瓜子1591_

腰果1595_

餅干1590_

豆腐干1592_

牛肉干1594_

口香糖1591_

炒貨1590_

肉松餅1671_

衛(wèi)生紙1593_

大棗1.0000.5960.443

0.3180.2740.2650.2350.230

0.2270.2260.2060.2040.203

0.172

0.165周期類商品（部分）作弊和反作弊?

用戶行為的復雜?

過度

SEO?

直接作弊策略：?

異常行為降權?

異常用戶直接過濾?

點擊流規(guī)則過濾推薦的

CTR

預測

?

關聯(lián)推薦的情境下，根據(jù)給定主商品推出的推薦商品，在用戶瀏覽后被點

擊的概率。

?

可以理解為條件概率

P(Y

=

1|X)

為什么要預測推薦商品的

CTR？123調(diào)整推薦商品的排序，推斷潛在模式多模型融合的方式發(fā)現(xiàn)影響推薦商品點擊率的重要因素特征表征方法

用目標問題所在的特定領域知識或者自動化方法來生成、提取、刪減或組合變

化來得到特征。領域經(jīng)驗法

?

條件關系（=,!=）

?

幾何運算

?

分段及比例

?

其他自動化技術

?

PCA,

ICA,

NMF

?

Linear

Discriminant

Analysis

?

Collaborative

Filtering

?

AutoEncoder最優(yōu)子集（Feature

selection）的優(yōu)點

?

提高模型的可解釋性

?

減少訓練和預測的時間

?

有效降低過擬合，提升模型的適應能力模型選用的是基于

L1

+

L2

正則的

elastic

net∑∑如何對商品屬性進行描述

對商品的形容：

品牌詞、中心詞、修飾詞；類目屬性、擴展屬性；

基于用戶行為的在商品上的反映：

?

銷量、PageRank、評論數(shù)、好評度、瀏覽深度

?

商品的標簽（如時間標簽、地域標簽、性別標簽等）

對于商品標簽（以時間差異構建的時間

feature

為例）：

假設

9：00

-

19：00

為白天（D），19：00

-

9：00

為夜間（N)，則在這兩個時

間段內(nèi)的用戶購買則構成了該商品的時間標簽，該商品標簽的一般性定義為：∑u∈D

∑

u∈DMu,i

+Mu,i

u∈NMu,i?

∑u∈D∑

u∈DMu

+Mu

u∈NMu采樣策略1

vs

0部分三級類組合系數(shù)展示

1

2

3

4

5

6

7

8

910

111213141516171819前項產(chǎn)后塑身月子裝嬰兒外出服水壺/水杯寶寶洗浴待產(chǎn)/新生待產(chǎn)/新生嬰兒鞋帽襪扭扭車寶寶零食日常護理奶瓶奶嘴嬰兒內(nèi)衣嬰兒鞋帽襪滑板車拉拉褲奶瓶奶嘴嬰兒尿褲嬰幼奶粉后項孕婦裝孕婦裝羽絨服/棉服洗衣液/皂爬行墊/毯濕巾寶寶護膚防輻射服日常護理鈣鐵鋅/維生素孕媽美容驅(qū)蚊防蚊防輻射服搖鈴/床鈴日常護理嬰幼奶粉吸奶器調(diào)味品水壺/水杯權重

-1.55

-1.32

-1.28

-1.27

-1.25

-1.17

-1.13

-1.12-1.04-1.00-0.99-0.97-0.97-0.97-0.87-0.87-0.85-0.84-0.84目

推薦系統(tǒng)1234京東推薦產(chǎn)品及架構通用模型的應用離線

CTR

預測實例實驗與監(jiān)控實驗對比平臺監(jiān)控和報警周期監(jiān)控?

按照一周為周期的推薦位指標監(jiān)控，包括

PV、Click、OrderLine?

推薦位實驗級別的逐日監(jiān)控?

分品類的點擊率監(jiān)控（周單位）實時監(jiān)控?

重點推薦位覆蓋以及準確率監(jiān)控?

分鐘級別?