Please enable JavaScript.

Coggle requires JavaScript to display documents.

推薦系統_京東 (用戶畫像 (關於機器學習 (協同過濾商品向量至少使用10+的距離計算公式,計算商品間的距離 (其他不太常見的 (simrank…

- - - - 基本屬性
      - 購買能力
      - 行為特徵
      - 興趣愛好
      - 心理特徵
    - - 機器學習
      - 自然語言處理
      - 深度學習
        
        spark mllib
        
        xgboost
      - 在線學習
    - - 用戶行為數據
      - 平台交易數據
      - 商品數據
  - - - 性別、年齡
      - 教育程度
      - 體重身高腰圍
    - - 購物類型
      - 評價關注程度
      - 促銷敏感度
      - 購物忠誠類型
      - 購買力
      - 消費信用水平
    - - 是否有孩子、孩子性別、孩子年齡
      - 家中是否有孕婦
      - 是否有車
    - - 顏色偏好
      - 品牌偏好
      - 所屬購買群體
      - 價格區間
  - - - 即時捕捉用戶與環境的交換與反饋
  - - - 原子特徵
      - 組合特徵
      - 計算特徵
      - 自定義特徵
    - - 固定特徵組
      - 虛擬特徵組
      - 裝置同步
      - 並行化調度管理
      - 權限驗證
      - 序列化 / 反序列化
  - - - 線性模型 * N
      - DNN
    - - Jaccard距離
      - (修正)cosine距離
      - Manhattan距離
      - Chebychev距離
      - 歐(閔)式距離
      - Pearson相關係數
      - Spearman相關係數
      - Kendall相關係數
      - 其他不太常見的
        
        simrank
        
        Mahalanobis距離
        
        基於條件概率的interest
        
        Log likelihood ratio
        
        Mutual information
    - - 離線推薦CTR預測模型
      - 用戶購買力模型
      - 週期購買商品識別模型（商品識別+購買週期）
      - ``不良''商品識別模型
      - 基於圖書內容的LDA模型
      - 用戶行為加權組合的SVD、SVD++
  - - - 中期用戶畫像
        
        使用近一個月的用戶行為資料
        
        用戶感興趣的商品、價格、屬性
        
        考慮瀏覽停留時間、是否細看商品評論、過濾無效點擊,等
      - 即時用戶畫像
        
        即時session
        
        即時推斷感興趣項目
      - 長期用戶畫像
        
        年齡
        
        地理位置
        
        使用分類算法
        
        性別
    - - 自然屬性
        
        價格
        
        品牌
        
        銷量
        
        產地
      - 人群屬性
        
        購買者的購買能力
        
        城市
        
        年齡
      - 商品之間的關係
        
        知識圖譜
        
        商品之間
        
        品牌之間
        
        品牌與商品之間
        
        sku
        
        品牌
        
        產品詞
        
        店鋪
- - - - 對外提供統一的HTTP推薦服務，服務京東所有終端的推薦業務
  - - - 為了提高個性化的效果而開發的一系列公共的個性化服務
    - - 用戶維度
        
        用戶行為
        
        用戶畫像
      - 商品維度
        
        商品畫像
      - 地域維度
        
        小區畫像
      - 特徵維度
        
        特征服務
  - - - 算法模型訓練階段，嘗試多種機器學習模型
    - - 測試種類
        
        在線A/B
        
        離線測評
      - 目的
        
        驗證不同場景下的算法模型的效果
- - - - MapReduce + Index
      - Atorm / Spark +HBase
      - MapReduce + HBase
    - - 離線數據預處理
      - 機器學習模型訓練
      - 在線即時行為接入
      - 即時特徵計算
  - - - 體現響應用戶請求時,推薦系統的各服務模塊之間的交互關係
    - - 推薦網關
        
        推薦服務的入口
        
        推薦請求的合法性檢查
        
        請求分發
        
        在線Debug
        
        組裝請求響應的結果
      - 調度引擎
        
        推薦服務按策略調度
        
        根據配置中心的推薦產品的實驗配置策略進行分流
        
        流量分發
        
        按用戶分流
        
        隨機分流
        
        按關鍵參數分流
        
        支持自定義埋點
        
        收集實時數據
        
        支持應急預案功能
        
        處理緊急情況，秒級生效
      - 推薦引擎
        
        功能
        
        推薦在線算法邏輯實現
        
        處理過程
        
        召回
        
        過濾
        
        特徵計算
        
        排序
        
        多樣化
      - 個性化基礎服務
        
        用戶畫像
        
        長期興趣
        
        短期興趣
        
        即時興趣
        
        興趣包含項目
        
        性別
        
        品牌偏好
        
        品類偏好
        
        購買力等級
        
        自營偏好
        
        尺碼顏色偏好
        
        促銷敏感度
        
        家庭情況
        
        商品畫像
        
        產品詞
        
        修飾詞
        
        品牌詞
        
        質量分
        
        價格等級
        
        性別
        
        年齡
        
        標籤
        
        用戶行為
        
        用戶近期行為
        
        搜尋
        
        關注
        
        點擊
        
        加入購物車
        
        下單
        
        預測服務
        
        使用用戶歷史行為
        
        機器學習訓練模型,調整召回候選集權重
      - 特征服務平台
        
        提供特徵數據,特徵計算
        
        特徵數據管理
        
        對不同特徵進行聲明、上線、測試、A/B實驗效果比對
    - - 畫像
        
        商品畫像
        
        用戶畫像
        
        預測服務
      - 引擎
        
        推薦引擎 * n
        
        調度引擎
      - 中心
        
        監控中心
        
        配置中心
      - 其他
        
        用戶
        
        推薦網關
  - - - 提供特徵訊息
        
        特徵服務平台
      - 特徵計算
        
        深度學習服務
        
        Online-Learning
      - 銜接數據處理訊息
        
        新版索引服務
      - 推薦排序
        
        推薦場景回放服務
- - - - 實時消息發送
        
        用於實時計算業務消費
      - 落本地日誌
        
        定時自動抽取行為日誌到大數據平台中心
        
        用於離線模型計算
  - - - 離線模型
      - 離線特徵
      - 用戶畫像
      - 商品畫像
      - 用戶行為
    - - 計算
        
        Hadoop_MapReduce
        
        Spark_ML (部分)
      - 計算結果運輸
        
        公共導數工具
      - 計算結果儲存
        
        HDFS_Loader Result_HBase
  - - - 用戶即時行為
      - 用戶即時畫像
      - 用戶即時反饋
      - 即時交互特徵計算
    - - 根據業務需求,快速捕捉用戶興趣與場景特徵
      - 即時反饋給用戶
        
        推薦結果
        
        推薦排序
    - - 數據整理
        
        Kafka
        
        JMQ
      - 數據儲存
        
        Redis
        
        HBase
      - 數據處理
        
        Storm / Spark
- - - - 相關相似商品
      - 多特徵多維度
      - 結合用戶場景的智能推薦
    - - 2012-2013
        
        看了還看
        
        買了還買
        
        看相似找搭配
      - 2014-2015
        
        首頁猜你喜歡
        
        購物車猜你喜歡
        
        免運費湊單
        
        活動樓層優惠券
      - 2016-2017
        
        京東秒殺
        
        智能賣場
        
        陪伴計畫
        
        我的618
        
        好貨清單
        
        東家小院
- - - - 執行推薦器
        
        招回候選集
        
        用戶畫像
        
        即時興趣
        
        冷啟動服務
        
        基於內容的 sku 關係挖掘
        
        使用於新用戶、冷門商品、冷門分類商品
        
        推薦強利益點商品
        
        完全的新用戶
        
        cross-domain 、遷移學習
        
        某些分類下的新用戶
        
        等等
        
        業務規則過濾
        
        規則服務
        
        人工規則
        
        一品多商
        
        子母碼
        
        郵差差價
        
        商品服務
        
        複購服務
        
        等等
        
        特徵向量計算
        
        特徵服務
        
        知識圖譜
        
        用戶畫像
        
        等等
        
        即時行為
        
        排序
        
        在線學習
        
        算法模型
        
        對召回候選集打分
        
        使用召回源與候選集的分值
        
        等等
        
        深度學習
      - 分配任務
        
        根據推薦場景
        
        按招回源進行任務拆分
        
        讓分布式任務達附載均衡
      - 合併招回結果
        
        歸併多推薦器返回的推薦結果
        
        按業務規則進行合併
        
        考慮一定的多樣性
    - - 規則過濾
      - 算法模型打分
      - 模型融合排序
        
        依循用戶場景
        
        高維特徵計算
        
        海量招回
      - 推薦結果多樣展示
      - 召回候選集
    - - 機器學習模型
      - 知識圖譜
        
        挖掘商品間關係
    - - 基於行為數據召回
        
        用戶行為
        
        用戶畫像
        
        顯示反饋
        
        隱式反饋
      - 召回候選商品
        
        長期行為召回
        
        即時行為召回
        
        熱銷召回
        
        用戶畫像召回
        
        搜尋詞召回
        
        產品詞召回
      - 過濾
        
        庫存過濾
        
        子母碼過濾
        
        敏感詞過濾
        
        人工設定過濾
        
        訂單復購過濾
      - 特徵計算
        
        離線特徵計算
        
        行為特徵計算
      - 排序
        
        算法模型排序