本文探讨了构建推荐引擎的方法，包括建立关键词集合、引导用户搜索单词、确保所有文档的可达性以及用户侧优化等问题。
总结一下我所设想的推荐引擎怎么做
1、建立一个关键词集合，必须满足像SQL索引那样的“选择性”，太高太低都不行；其次，这些关键词还应该尽量满足正交分解覆盖，比方说，不应该有2个关键词覆盖几乎相同的文档；
2、把用户的搜索单词尽量导向关键词几何的某1个，这样就可以有结果了，用户的兴趣则可以用几个关键词的概率组合来表达
3、确保用户可以通过搜索访问到所有的文档，否则就是理论上不完备了，普通的向量空间模型感觉不行，最好是使用概率图模型，可简单实现为关键词作为图节点基础上的随机行走
4、假设文档数其实是有限的（只保留3个月内的近期文档），所以不存在文档很多的问题，相反，用户数如果1000万，每个用户都要个性化推荐的话，用户这边的优化才是重点
Web网站数量虽然可能指数增长，但有价值的内容顶多也就是线性增加
1、建立一个关键词集合，必须满足像SQL索引那样的“选择性”，太高太低都不行；其次，这些关键词还应该尽量满足正交分解覆盖，比方说，不应该有2个关键词覆盖几乎相同的文档；
2、把用户的搜索单词尽量导向关键词几何的某1个，这样就可以有结果了，用户的兴趣则可以用几个关键词的概率组合来表达
3、确保用户可以通过搜索访问到所有的文档，否则就是理论上不完备了，普通的向量空间模型感觉不行，最好是使用概率图模型，可简单实现为关键词作为图节点基础上的随机行走
4、假设文档数其实是有限的（只保留3个月内的近期文档），所以不存在文档很多的问题，相反，用户数如果1000万，每个用户都要个性化推荐的话，用户这边的优化才是重点
Web网站数量虽然可能指数增长，但有价值的内容顶多也就是线性增加
扫一扫
846
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
