ctr模型 , 计算广告，推荐系统 名词简单理解

ctr模型 , 计算广告，推荐系统

1.计算广告和推荐系统是两个完全不同的业务，但是内部用到的推荐技术（大概可以这么说叭）是相似的，但是有一点，推荐系统更关心新用户的冷启动问题。

2.CTR(点击通过率)

CTR=点击次数/曝光次数

主要用来排序，就是对用户进行商品等召回之后，按照点击率进行排序，这个时候会用到。

3.graph embedding 在推荐系统中（graph embedding在淘宝推荐系统上的应用）

https://blog.csdn.net/Zhangbei_/article/details/93353688 ，

上文总结：

    graph embedding目的是生成商品的表示向量，然后对商品两两之间做点积运算，计算商品之间的相似度。对用户有过行为的每个商品，召回一批最相似的商品，这一阶段叫matching，接下来做的就是把这些商品送给第二阶段ranking做排序。

具体的方法：根据用户的行为，构建以商品为node的图，然后通过random walk生成商品的序列，再利用skip-gram方法，生成商品的表示向量，这叫做Base Graph Embedding(BGE)。构建完有向图之后，商品冷启动问题，就加上物品的边信息(品牌，商品类别，商店等)。

一个完整推荐系统的设计：

1.采用 多重算法+交互设计。使用多种算法配合使用，取长补短，配合产品，根据数据提升效果。在完整推荐系统中不仅要有传统的rating，还要辅以非常多的挖掘，Ranking来表达预期的效果。

2.推荐系统3大件：

（1）UserProfile

（2）基础数据挖掘

（3）Rankings

垂直搜索

1，搜索中有一句话：用户无法描述他要找什么除非让他看到想找的东西。（觉得这句话写的有趣）

2，所谓垂直，和百度这类搜索引擎最大的不同就是它不是包罗万象的，它针对特定行业互联网中的信息内容进行搜索，再将这些特定信息进行整合后，再定向的反馈给用户。比如，房产领域的垂直搜索就是专门搜索网页中关于房产的信息进行整合，再反馈给用户。

上下文信息

在做推荐时，除了考虑用户画像还要考虑上下文信息，

上下文信息是指：推荐位置（开屏和章末的转化率是不同的），推荐时间（晚上和白天的转化率是不同的）等。推荐系统实时性和推荐结果的时间多样性。

其中：转化率是指，曝光到点击，曝光到收藏，曝光到阅读字数等