淘宝推荐系统简介–转载
- 推荐引擎就是：如何找到用户感兴趣的东西和以什么形式告诉用户；
- 推荐引擎的作用：提高用户忠诚度，提高成交转化率和提高网站交叉销售能力；
- 推荐系统核心：产品，系统和算法；
- 推荐系统产品形式：邮件营销，群体信息披露，趋势引导，评论、资讯推荐和相关商品、店铺、达人推荐；
- 推荐系统系统组成：数据，算法，消息系统，Search engine，NoSQL，分布式计算和效果评测；
- 算法包括离线： 用户类目偏好、用户购买力分析、关联性分析和在线：排序、过滤、增量计算
- 分布式计算包括：大规模数据统计，运算和大数据集合的ETL；
- 效果评测衡量指标：CTR(Click Through) GMV(Gross Merchandise Volume) PV(Page Views) UV(Unique Visitors)
- 算法包括但不限于：content-based(基于内容)，collaborative-based（以协同为基础）和Association Rules（关联法则）
- 宝贝的推荐包括：
- Content-based and 关联规则
- 全网优质宝贝算分
- 根据推荐属性筛选TOP
- 基于推荐属性的关联关系
- 采用搜索引擎存储和检索优质宝贝
- 加入个性化用户信息
搜索引擎系统架构图
应用层次图：
