C2C电商平台 推荐系统架构演进 张相於 转转

阿木的花园

2019/06/25 发布于 编程 分类

文字内容
1. C2C电商平台 推荐系统架构演进 张相於 转转 推荐算法部
5. 张相於(zhangxy@live.com) 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。
6. 分享提纲 C2C & ! feed ! ! !
7. 分享提纲 C2C & ! feed ! ! !
8. 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
9. 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
10. 分享提纲 C2C & ! feed ! ! !
11. 石器时代
12. 粗粒度个性化推荐
13. 问题 ! ! ! !
14. 青铜时代
15. 细粒度多维度个性化推荐
16. 主要改进 ! • -> ! ! •CF+ ! ! • -> = ->X + X-> !
17. 效果:转化率共提升78%
18. 工业革命I
19. 实时推荐系统
20. 主要改进 ! • CF ! ! • !
21. 效果:转化率共提升89% 还在持续提升中
22. 工业革命II
23. 机器学习驱动的推荐系统
24. 主要改进 ML ! • ! ML ! • ! ML • ! !
25. 效果:转化率总提升109% 还在持续提升中
26. 推荐系统演变主线总结 ! / ! ! !
27. 未来发展方向 ! • • ! ! ! • • ! !
28. 分享提纲 C2C & ! feed ! ! !
29. 面向用户画像的用户画像 ! ! ! !
30. 用户画像第一原则:做有用的用户画像 ! ! !
31. 多维度用户画像 ! ! ! !
32. 问题 ! ! !
33. 多维度商品画像统一生成框架
34. 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
35. 机器学习驱动的用户兴趣模型 正反馈数据 特征提取 负反馈数据 机器学习模型 相关兴趣预测
36. 机器学习的优势 ! ! !
37. 画像系统演变主线总结 ! ! ! ! ! ! ! !
38. 未来发展方向 ! ! ! ! ! ! ! !
39. 广告:招聘高级推荐算法& 架构工程师 (zhangxy@live.com)