算法
分享人：刘伟
目录
一.推荐概述
二.好的产品推荐
三.几大挑战（用户 物品 系统冷启动）
四.案例
一.推荐概述
推荐目标 实现产品目标（合适的才是最好的）
实现手段：数据 算法 架构 交互技术类知识
核心功能：路径优化 兴趣发现
评价：满意度（点击率 转化率 时长 ） 准确 覆盖型 多样性 新颖性 实时性
过程：从学习和决策的过程
核心问题：如何构建一个用户对商品的评价模型
宗旨：服务提供方和消费方的双赢
二.几大挑战
大数据 稀疏 长尾 噪音
用户行为模式的挖掘和利用（行为的复杂性）
冷启动（新产品）
多样性和精确性的2难困境
用户界面和用户体验
三.好的产品推荐
1，用户诉求
帮用户便捷的筛选出感兴趣的内容
陌生领域提供参考
需求不明确的贴心助手
用户的好奇心
2、推荐引擎
描述用户特点 并与个性化匹配
信息过滤解决用户过载问题
根据用户反馈及时捕捉兴趣变化
合适的场景 时机 推荐
3、功能决策
推荐功能对该产品有无价值
价值多大
成本收益
优先级
————>产品核心目标 发展阶段 合理的roi
a.产品线当亲需求
b确定推荐目标
c方案选型 明确重点
d效果监控和策略迭代
e随产品发布调整目标
案例：今日头条
系统概览
内容分析
用户标签
y=fx{x1 ,x2, x3}
算法: 协同过滤 logistic regression, DNN, factirization, Machine, GBDT
4类特征: 相关性特征 环境特征 热度特征 协同特征
内容分析：
图片分析
视频分析
文本分析：作用——推荐引擎engine 文章冷启动 颗粒度越细 冷启动越强
文本特征分类：语义标签类特征 实体词 隐式语义特征 文本相似度特征 时空特征
用户
用户标签：
类别 主题 关键词 来源 垂直兴趣特征 性别 年龄 地点 内容标签 用户标签挖掘
鸣谢
感谢大家观看
By刘伟
算法
分享人：刘伟
网友评论