泛推荐场景解决方案四部曲预告篇

“

认识到一个人的灵魂是无法把握的，这是智慧的最终成就。人本身就是最终的谜。by 王尔德

”

“

单纯了解算法是无法落地的，业务才是算法的最终成就。推荐就是机器学习最佳的落脚点。by 李尔德

”

泛推荐系统概述

感谢大家一直以来的支持，最近实在是过于忙，我的大脑CPU水位长期处于99%到100%的状态。这一段时间一直在思考一个问题，如何把算法真正的落地，思前想后我决定做一套进阶解决方案，选择的主题就是泛推荐场景，前后4篇文章，希望对大家有帮助。操作的环境使用的是PAI，没别的原因，只是因为别的工具不熟或者是懒得学其它工具。

什么是泛推荐？通常，一提到推荐，大家马上想到商品推荐，我今天想推出一种泛推荐的概念，其实推荐无非是把两个相关性高的东西做匹配，有点像找对象。在泛推荐场景下，以下场景都可以看作推荐：

（1）广告推荐，比较的是广告和被投放者匹配程度

（2）短视频推荐，视频和用户喜好程度的匹配

（3）简历推荐，简历与投放岗位的匹配程度

。。。。。。。。。。。。。。（无穷尽场景）

为什么把推荐作为机器学习最佳落地点？因为推荐往往是跟money最挂钩的，比如广告推荐，美妆广告基本上用户点一下就给广告平台带来2毛钱收入，要是有算法能提升广告平台广告被点击量1个百分点，假设广告平台每天广告曝光率1000万次，那就直接提升日收入：

10000000次*0.2元*0.01=2万

预告曲

讲了这么多，那么最终会给大家带来什么呢？就是推荐场景由浅入深的四部曲！！！！！！

（1）基于协同过滤的推荐

（2）基于用户画像的推荐

（3）基于深度学习Wide&Deep的推荐

（4）【暂时保密】杀手锏

对了，所有的文章都有流程或代码以及数据分享，做到开箱即用。

PS:小学最爱的是F4，最喜欢的歌是《第一时间》，最牛推荐场景解析文章，凡人机器学习第一时间与你分享。

珍惜每一刻每一秒

去充实自己

 

微信号：凡人机器学习

长按二维码