文档首页 > > 产品介绍> 基本概念

基本概念

分享
更新时间: 2019/05/31 GMT+08:00

推荐系统

推荐系统,是全力提供媒资、短视频、电商等行业的推荐系统解决方案,帮助互联网企业降低构建推荐应用的技术门槛,提升点击率、留存率和用户体验。

推荐

推荐在大数据/AI领域属于典型的应用场景。其本质是做匹配,即将某种商品(实物或虚拟物)匹配给某人,或者建立人和物品之间的关联关系。 数据、算法和系统是推荐的三要素,数据是基础、算法是核心、系统是能力。

推荐算法

推荐算法是指推荐离线计算所使用的算法。算法是推荐的核心。常见的算法有基于协同过滤的算法,基于因子分解的算法和机器学习算法。

用户

推荐系统被推荐的对象,一般是指使用业务系统的客户。例如,某电商的客户。

物品

被推荐的内容,一般是指业务系统提供的给其用户的商品。例如,某视频网站的视频。

组合作业

组合作业作为一个包含多个子任务的作业,通常用于多个召回、过滤、排序等任务,需要在一个API接口中完成调用的。

召回策略

召回策略用于生成推荐的候选集,在原始数据中通过算法和规则匹配用户的候选集。

过滤规则

过滤规则用于生成推荐的过滤集,包含黑白名单、属性过滤等特性。支持用户在线上推理过程中完成对相关物品的过滤。

特征工程

特征工程常用于抽取用户、物品的特征和特定算法的特征生成,一般作为某些算法的前置输入条件。

近线策略

根据用户数据、物品数据或行为数据对现有离线/近线产生的结果(模型/推荐候选集等)进行校正。近线流程在推荐层面主要解决数据实时性的问题,以便推荐系统能够快速感知用户行为的变化来更新推荐结果。

排序策略

排序策略根据不同的算法模型对召回策略或者近线策略生成的候选集进行重排序,得到推荐候选集列表。

在线服务

在线服务负责分析结果的应用过程,泛指部署线上服务后提供的推理服务,对外提供API接口。在推荐系统中,包含推荐引擎、分词、排序三种在线服务。

效果评估

根据用户行为的数据回流,提供多维度的效果统计。

推荐策略

以具体的推荐算法为核心,从推荐数据源开始,对数据输入、预处理、特征抽取、算法参数等过程进行一系列的配置。和算法概念不同之处在于,推荐策略是从源数据到推荐结果输出端到端的配置过程,而算法是其中一个阶段(通常称作训练阶段)。

推荐策略包括召回策略和排序策略。召回是指对大量的商品做一个初选,去除和用户相对无关的商品形成个性化候选集。排序是指根据更多的特征进行建模对候选集进行预估排序。例如,点击率预估。

模型

用于部署于线上服务的业务逻辑,不同的模型提供不同的线上能力。推荐系统中提供三种模型,推荐引擎模型、分词模型、排序模型。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问