京东商品推荐系统
2014-06-13 11:13
253 查看
京东商品推荐系统
个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,京东商品推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助京东为其顾客购物提供完全个性化的决策支持和信息服务,通过协同过滤算法,分析用户行为,为用户推荐商品。
协同过滤算法:
1.基于用户的协同过滤
基于UserCF的基本思想:基于用户对物品的偏好,找到相邻邻居用户
,然后将邻居用户喜欢的推荐给当前用户
2.基于商品的协同过滤
通过用户对不同item的评分来评测item之间的相似性,基于
item之间的相似性做出推荐
推荐系统指标设计:
推荐算法选型:基于物品的协同过滤算法ItemCF,并行实现
数据量:基于hadoop架构,支持GB,TB,PB级数据量
算法检验:通过准确率,召回率,覆盖率,流行度等指标评判
结果解读:通过itemCF的定义,合理给出结果解释
技术架构:hadoop mapreduce Mahout
算法模型:算法的思想
1.建立物品的同现矩阵
2.建立用户对物品的评分矩阵
3.矩阵计算推荐结果
个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,京东商品推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助京东为其顾客购物提供完全个性化的决策支持和信息服务,通过协同过滤算法,分析用户行为,为用户推荐商品。
协同过滤算法:
1.基于用户的协同过滤
基于UserCF的基本思想:基于用户对物品的偏好,找到相邻邻居用户
,然后将邻居用户喜欢的推荐给当前用户
2.基于商品的协同过滤
通过用户对不同item的评分来评测item之间的相似性,基于
item之间的相似性做出推荐
推荐系统指标设计:
推荐算法选型:基于物品的协同过滤算法ItemCF,并行实现
数据量:基于hadoop架构,支持GB,TB,PB级数据量
算法检验:通过准确率,召回率,覆盖率,流行度等指标评判
结果解读:通过itemCF的定义,合理给出结果解释
技术架构:hadoop mapreduce Mahout
算法模型:算法的思想
1.建立物品的同现矩阵
2.建立用户对物品的评分矩阵
3.矩阵计算推荐结果
相关文章推荐
- 商品用户推荐系统的研究
- 中国互联网技术联盟正式成立 京东、美团、 58到家现场分享推荐系统核心技术
- 京东广告推荐机器学习系统实践
- 分布式爬虫系统设计、实现与实战:爬取京东、苏宁易购全网手机商品数据+MySQL、HBase存储
- 凯叔解密京东千亿商品系统核心架构
- 商品推荐系统问题
- 推荐系统-利用用户行为数据判断用户间或商品间相似性、分类和个性化推荐
- 使用RecycleView加载不同的布局(类似淘宝京东购物车+推荐商品列表)
- 详谈京东的商品搜索系统架构设计
- 商品搜索引擎---推荐系统设计
- 商品搜索引擎---推荐系统设计
- 第1章:阿里云机器学习实践之路 / 第3节:推荐系统--基于协同过滤的商品推荐
- 【技术分享】京东电商广告和推荐的机器学习系统实践
- 中国互联网技术联盟正式成立 京东、美团、 58到家现场分享推荐系统核心技术
- 商品搜索引擎---推荐系统设计
- 推荐系统之UserCF2:用户对商品的感兴趣程度
- 个性化推荐系统(九)--- 电商商品个性化推荐系统
- 京东11.11:商品搜索系统架构设计解密
- 推荐系统---深度学习在电商商品推荐当中的应用
- 商品搜索引擎---推荐系统设计