视频——推荐系统技术原理

推荐系统技术原理

视频地址-【推荐系统】技术原理，看完就会做。（上集）

内容分发方式：三种
1、编辑人工发布
2、订阅分发
3、推荐分发，不依赖订阅关系，公平，机器模型（头条、B站）

推荐分发：高效连接“人”和“内容/物”（技术核心）
1、用户画像：存储系统中记录人的兴趣点，男女，收入，（静态标签）足球：0.1，八卦新闻：0.15（动态标签、动态兴趣点）根据浏览足迹进行分类
2、内容画像：品类（足球/八卦），浏览量，浏览的时长，跳出率，点赞次数，评论次数。

小明来到“今日头条”，我们给小明看哪些文章？冷启动的用户
1、基础信息：性别，年龄，根据手机号去拿到这些信息。
2、偏好信息：无。

最简单的方法是把最新的文章给他，热门TOP 20文章，看了3篇，1篇是杨幂的娱乐新闻，2篇实时新闻（打印度）。

实时推荐能力：根据前面的TOP 20 得到了行为偏好。
实时画像：拿到访问日志Log，进入steaming流计算，在最近1分钟内浏览分类的偏好。
小明 - 娱乐：1/3，军事：2/3。

小明再次刷新的时候：给他20篇文章，混杂一些对他的了解，只知道近期的偏好，但是不能只参考实时偏好，给他20篇，其中8篇基于实时画像，12篇做一些探索性质的推荐（钓鱼执法 体育、政治类）。短期兴趣需要考虑，但是也要考虑长期兴趣。

历史画像：对用户前N天的log日志做分析，不能简单做一天的，top 100的偏好。
根据人类偏好去修改？ 访问日志？ 学习？推荐

频率控制：同一篇内容，同一类内容，再次曝光给用户的间隔。（去重） 不同的内容去重的周期不同。

产品上，到这里就结束了。
技术上的细节暂无。