江苏龙网

  1. 首页 > 资讯 > 科技 > >

「」如何解决热门推荐的3大难题？( 二 )


对物品要求小：
当物品数量级小或者物品的差异性小的情况下 ， 热门推荐比个性化推荐更加合适 。当物品少或者类目聚集时 ， 个性化推荐总是推荐同一类的物品 ， 那么个性化推荐也失去了个性化的特性了 ， 且个性化的计算成本远大于热门计算 。
3. 热门的劣势
不可否认 ， 热门也具有很大的弊端 ， 其主要有如下三点：
无法满足个性化需求：
当用户存在行为数据时 ， 若一味推荐热门数据 ， 那么个性化变得黯然失色 ， 千人千面的推荐最终演变为千人一面的推荐 ， 个性化也从推荐星球的舞台上褪去 。
长尾效应：
长尾（The Long Tail）效应 ， 是指那些原来不受到重视的销量小但种类多的产品或服务由于总量巨大 ， 累积起来的总收益超过主流产品的现象 。
如下展示的是热门的长尾效应趋势图 ， 图中表示20%的商品占据的市场份额超过了80%的商品占据的市场份额 。显然易见 ， 热门越流行 ， 长尾效应越明显 。
「」如何解决热门推荐的3大难题？
文章图片

文章图片

图：长尾效应趋势图（来自百度百科）
更新周期慢：
热门的生产逻辑如下图所示：根据用户行为数据和物品自身的内容 ， 结合某种计算公式（点击率、购买转化率等）计算出每个物品的数值、排序 ， 从而得到热门数据 。
从上面的热门逻辑来看 ， 其更新速度主要与用户行为以及物品的数据量有关 。在目前数据量如此剧增的互联网环境中 ， 热门的更新速度不得不慢下来了 。
「」如何解决热门推荐的3大难题？
文章图片

文章图片

图-热门的生产逻辑
如何用好热门推荐
如何用好热门推荐呢？主要从两个部分出发：首先从热门自身的短板出发 ， 着手于解决热门的弊端；其次 ， 具体阐述个性化推荐中其他武器与热门的结合 ， 从而达到推荐星球的运行理念——统一与个性共存 。
1. 解决热门弊端的方法
结合上文提出的热门弊端 ， 此处针对性的提出相应的解决办法 。
用户的个性化需求：
如何满足用户的个性化需求呢？相信标题和市场已经告诉你答案了 ， 即引入个性化推荐 ， 具体的做法参考下文提到的内容与热门的结合 。
巧妙利用长尾效应：
如何解决长尾效应呢？解决这个问题的关键是如何将冷门物品曝光 ， 其中常见的做法是通过热门的热度带动冷门物品 ， 电商巨头亚马逊成功运用了该方法 。
热门产品为《进入空气稀薄地带》 ， 向购买过该书的用户推荐了冷门书籍《触摸巅峰》 ， 通过内容将两个物品关联起来 ， 当其中一个物品进入热门后 ， 带动了另一个冷门物品的畅销 ， 最终创造了《触摸巅峰》的榜单逆行现象 。
加快更新周期：
如何加快热门更新周期呢？其关键在于缩小计算的数量级 。俗话说：一口吃不掉一个馒头 ， 那一般怎么做呢？我们把馒头切成几块 ， 问题迎刃而解 。因此面对如此庞大的数据量级 ， 通过对物品和用户人群的划分 ， 从而加快热门的更新周期 。
2. 和其他武器的结合
目前市场上赋予智能推荐系统的武器有协同过滤、用户画像、社交关系、物品画像、热门数据以及召回排序模型 。面对日益丰富的武器库 ， 很多人感到迷茫 ， 该选择何种武器赢得推荐市场？
「」如何解决热门推荐的3大难题？
文章图片

文章图片

图 推荐星球的武器库协同过滤：无论是基于用户还是基于物品的协同过滤 ， 其根本思想需要找到人或者物关联性较大的对象 ， 然后基于此作出推荐 。若需提高协同过滤的方法的精准性 ， 特殊处理热门物品/人的数据 ， 从而才能保证协同过滤中计算的物品/人是真正意义上的相似 。用户画像：提到个性化推荐 ， 用户画像自动跃入脑海中 。很多人对推荐的认知是用户画像越精准 ， 则推荐越精准 。对于这点 ， 我们并不否认 ， 但是用户画像提炼出的是什么呢？是该用户侧重于哪一方面 ， 或是类目、或是地域、或是话题等等 。根据用户画像提炼出的信息 ， 从热门中取出相匹配的数据 ， 自动化的生成高质量的推荐结果 。所以 ， 结合用户画像和热门 ， 使推荐星球能够召回更加有效的推荐结果 。召回排序模型：该武器在市场上扮演着神秘的角色 ， 其杀伤力以及射程范围无法预估 。该武器依赖于用户的行为数据 ， 通过一种或几种模型的混合 ， 从而预测用户对物品的评分 。


推荐阅读


上一篇：##为什么我们急需IPFS来拯救互联网？

下一篇：##卢伟冰正式宣布，小米CC9 Pro即将退市，国内再无小米4G中端机