编辑:[db:作者] 时间:2024-08-25 02:58:58
在网络资讯和电子商务信息爆炸式的增长,繁杂的信息中随意马虎造成流失落,再次背景下用户的个性化推举系统显得尤为主要,对电子商务平台和社交信息平台产生了质的影响。
协同过滤推举算法是出身最早,并且较为著名的推举算法。紧张的功能是预测和推举。算法通过对用户历史行为数据的挖掘创造用户的偏好,基于不同的偏好对用户进行群组划分并推举品味相似的商品。
其紧张代价表示在:
将潜在用户转化为支付用户;提升电子商务平台交叉发卖能力;提升客户对网站的忠实度;提升广告渠道转化效率;提升用户个性化体验。协同过滤算法分类 基于用户的协同过滤算法(user-based collaboratIve filtering,简称:ucf)基于物品的协同过滤算法(item-based collaborative filtering,简称:icf)算法阶段性事情内容第一阶段建立用户行为评分权重模型,达到对用户行为数据化和可视化,。
以电子商品平台为例:
某用户进入商品下单页权重2%;点击详情权重8%;收藏15%;支付20%;分享15%;好评20%;评分20%;差评即分数为负数(向量为反方向)。第二阶段建立测试集和演习集。
演习集:用于模型构建;测试集:用于检测模型构建,此数据只在模型考验时利用,用于评估模型的准确率。测试集和演习集的建立是为了防止模型的构建过度拟合,更是为了监测模型的准确性和可行性,方便对模型进一步改动。
例如:在班级内按身高、腰围定制了衣服,衣服制作后全班同学穿上很适宜,但当这个做衣服标准实行到全校时,制作的衣服很多同学穿不了,缘故原由可能是没有考虑到肩宽、臂展等。此处本班是演习集,其他班是测试集。
第三阶段
建立合理的数据监控,监视召回率、准确率和覆盖率。为模型后期改动供应依据。
打算公式
欧几里德间隔公式
(为方便掌握可取倒数,使结果分布在0—1之间)
余弦定理打算公式(N维空间)
(此处V1和V2为向量)
打算流程
运用实例【余弦公式和ICF为例】以用户实际评分为出发点,建立商批驳分矩阵(如下表)
通过打算4个用户(四维空间中)对4件商品的评分我们得到了用户间的干系性数据(如下表)。系数浮动区间在-1~1之间,系数越靠近1,向量夹角越小,两件商品的干系性越高,由此可见A&B、A&D的干系性最高,C&D干系性很弱。
干系系数:
强:0.8—1.0;较强:0.6—0.8;一样平常:0.4—0.6;弱/不干系: 0—0.4;不推举:-1.0—0;2、利用用户对某商品产生过的记录打算其干系性。
【例如】:某用户对商品A和商品B的行为得分为权重,对商品C和商品D进行加权排序,得分高者优先推举。
根据干系性和加权评分后,商品C优先被推举。
数据去噪改动 对大众化,一线流程产品进行剔除,缘故原由是本来具有超高曝光率和有名度的产品,不推举用户才能很快触达,不必进行不须要的推举。对用户浏览和购买过的商品进行剔除,以免造成重复性。对商品归一分类,避免商品的跨种别推举,造成用户并不须要此类商品。
【 例如】:对某用户买衣服A,经由算法的综合排名,创造排第一的是方便面,排第六的才是衣服B,结果推举了方便面岂不闹了笑话。但是对商品进行了归一分类,服装类商品只限推举服装,这样服装B就会优先推举。
对商品种别间建立合理的加分机制,并对低频商品建立合理的惩罚分值,使其推举其他周边商品。【例如】:家具类商品为低频商品,用户永劫光内只须要买一件,购买后再次推举也无法提升支付率。但是可以在用户支付下单后,通过打算,推举家具的其它周边商品(例如:饰物、窗帘等)。由于设定合理的惩罚分值和干系商品类别的加分机制,可以一定程度长进步周边商品的推举率,降落低频商品的推举率,从而由侧面提升支付转化率。
方案弊端
数据稀疏性。由于此类协同过滤的模型须要有演习数据支撑,而在冷启动期间用户不会在数据模型中完成所有项目,以是数据会有稀疏性。
【办理思路】:可以按该种别商品的用户均匀水平进行推举(项目冷启动期间的方案待磋商)。
可扩展性。协同过滤算法能够随意马虎地为千万记用户供应量化的推举,但是对付电子商务网站,每每须要给成千上万的用户供应推举,这就一方面须要提高相应速率,能够为用户实时地进行推举;另一方面还应考虑到存储空间的哀求,只管即便减少推举系统运行对系统的包袱。
【办理思路】:划定打算范围,对无记录和种别干系性差距较大的商品、无操作记录的用户进行剔除性。由此减少打算压力。同时为提升用户体验,可以在离线期间对推举数据进行演习和打算。但以上方案会在一定程度上影响到推举的精确
以上办理思路需进一步磋商,欢迎大家一起进行互换~~
结语
真正完善的个性推举系统须要进行基于物品的协同过滤、基于内容的协同过滤和基于模型的协同过滤组合利用,并结合平台自身的商业模式、业务模式特性、召回率、覆盖率和转化率进行不断的优化,建立各种赞助模型才能达到最优。
希望各位朋友来提提想法,有好想法大家一起磋商互换。
本文由 @呵哈嘿~ 原创发布于大家都是产品经理。未经容许,禁止转载。
【原标题:电商个性化推举系统:协同过滤算法方案解析】本站所发布的文字与图片素材为非商业目的改编或整理,版权归原作者所有,如侵权或涉及违法,请联系我们删除,如需转载请保留原文地址:http://www.baanla.com/lz/zxsj/90029.html
下一篇:返回列表
Copyright 2005-20203 www.baidu.com 版权所有 | 琼ICP备2023011765号-4 | 统计代码
声明:本站所有内容均只可用于学习参考,信息与图片素材来源于互联网,如内容侵权与违规,请与本站联系,将在三个工作日内处理,联系邮箱:123456789@qq.com