32. BI - 依据淘宝的用户行为，从 0 开始实现一个简单的移动推荐系统

最新推荐文章于 2025-11-25 00:06:26 发布
最新推荐文章于 2025-11-25 00:06:26 发布
阅读量1k 收藏 16
点赞数 28
CC 4.0 BY-SA版权
分类专栏： 茶桁的AI秘籍#BI 茶桁的 AI 会员专栏 文章标签： 算法 机器学习 推荐系统
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ivandoo/article/details/137822712

本文为 「茶桁的 AI 秘籍 - BI 篇 第 32 篇」

在这里插入图片描述

Hi, 你好。我是茶桁。

今天咱们要来完成一个简单的推荐系统的建立。

之前的课程里给大家讲了两种模型，也希望大家对模型的概念以及使用场景会有些了解。不光是推荐系统，在生物、心理学、社交网络等等里面都会有一些使用。

曾经有过这么一句话：Embedding is all you need，这曾经是一篇论文的标题，也有很多 AI 相关的文章都会引用这句话作为标题，大家可以去 Google 一下，一搜一大片。这句话意思是 Embedding 就是你所想要的一切，这可以说明特征工程的一个重要性。

Embedding 之所以这么重

了解本专栏 订阅专栏 解锁全文 超级会员免费看
8、基于用户行为理解的智能推荐系统
grafana8visual的博客
09-08 8
本文提出了一种基于用户行为理解的智能推荐系统，通过深度学习技术对用户行为元组（动作、对象、时间）进行建模，构建包含特征提取、分组、时间与语义划分、依赖关系挖掘及神经网络训练的完整框架。该方法在亚马逊和淘宝数据集上验证了其有效性，采用AUC指标评估，在单一和多类型行为场景下均优于BPR-MF、Bi-LSTM等基准模型，尤其在all2one多对一模型中表现最优。未来工作建议包括支持AMD显卡的架构适配、引入迁移学习以持续更新模型，以及利用遗传算法优化神经网络结构，提升系统性能与泛化能力。
【家政平台开发(62)】家政平台用户增长策略与实践：全渠道营销驱动增长
邓邓子的博客
04-20 510
本文聚焦家政平台用户增长策略与实践。在用户增长渠道方面，详细剖析线上搜索引擎、社交媒体等，线下地推、异业合作等及口碑传播渠道。用户增长活动策划与执行板块，涵盖新用户获取、老用户留存促活活动及活动效果跟踪分析。在策略优化调整上，依据数据优化渠道，创新活动匹配用户需求，合理设定并评估增长目标。旨在为家政平台开发者及运营者提供全面且实用的用户增长策略思路与实践指导，助力平台扩大用户规模，提升市场竞争力。
推荐系统概述及实现方法
XlltEditor的博客
09-24 200
综上所述，推荐系统是一种能够根据用户历史行为数据预测用户对物品的喜好程度，并向用户推荐个性化内容的系统。然后，通过计算用户之间的相似度矩阵，我们可以得到用户0与其他用户的相似度。推荐系统是一种能够预测用户对物品的喜好程度，并根据这些预测结果向用户推荐个性化内容的系统。除了基于协同过滤的方法，推荐系统还可以使用其他算法，如基于内容的推荐、基于深度学习的推荐等。推荐系统的基本原理是通过分析用户的历史行为数据，如购买记录、点击记录、评分等，来预测用户对尚未接触过的物品的兴趣程度。
如何从0-1构建用户画像体系？
a934079371的博客
05-20 1486
从PC到移动互联网，一批搭乘流量红利快车的互联网产品，曾极速崛起。而如今，流量红利消失，一个疯狂的、传奇般的流量时代，已然结束。增量乏力，存量市场竞争更加激烈的环境下催生了精细化运营，结...
互联网+药店推荐系统的设计与实现
热门推荐
HJ的技术博客
08-06 3万+
论文word版下载地址 目录 中文摘要 3 Abstract 4 1  绪论 6 1.1 研究背景与意义 6 1.1.1 研究背景 6 1.1.2 研究目的与意义 6 1.2 研究现状 7 1.2.1 管理信息系统研究现状 7 1.2.1.1 管理信息系统发展历程 7 1.2.1.2 管理信息系统应用综述 11 1.2.2 Web GIS应用现状 12 1.2.3 网络文...
从0开始机器学习--10.延申应用-数据分析DA（GMV，A/B测试，辛普森悖论，蒙特卡洛模拟，吉布斯采样，含2024数学建模国赛相关部分代码）
zhuai.blog.youkuaiyun.com
10-08 1868
主要是数据分析岗位的一些面经，包括GMV、A/B测试、辛普森悖论、蒙特卡洛模拟、吉布斯采样，以及相关部分的一些具有实际意义的python代码。
社交媒体用户行为研究,图神经网络 社交网络
aifamao2的博客
09-09 4766
一、什么是用户行为分析？用户行为可以用5W2H来总结：Who(谁)、What(做了什么行为)、When(什么时间)、Where(在哪里)、Why(目的是什么)、How(通过什么方式)，Howmuch(用了多长时间、花了多少钱)好文案。用户行为分析就是通过对这些数据进行统计、分析，从中发现用户使用产品的规律，并将这些规律与网站的营销策略、产品功能、运营策略相结合，发现营销、产品和运营中可能存在的问题，解决这些问题就能优化用户体验、实现更精细和精准的运营与营销，让产品获得更好的增长。
神策广告投放(用户行为)分析经验总结
liuzhiqiang66的博客
02-20 5439
神策广告投放(用户行为)分析
数据与运营--4个层面系统梳理，实实在在解决问题
智慧与美貌并存
02-06 4364
来源：http://mp.weixin.qq.com/s/wg9h7lL3kejS4hF3KdmB2A 数据化运营是一个近年来兴起的概念，它在运营的基础上，提出了以数据驱动决策的口号。 在了解数据化运营前，运营们有没有过如下的问题： 不同渠道，效果究竟是好是坏？ 活跃数下降了，到底是因为什么原因？ 这次活动推广成效如何？ 发布了版本，用户
【LeetCode】算法技巧专题（持续更新）
weixin_52199109的博客
11-24 658
持续记录更新。
【算法】day 20 leetcode 贪心
最新发布
2401_86272648的博客
11-25 292
类似层序遍历，left 标记当前第 x 跳的左边界，right 标记当前第 x 跳的右边界，遍历 left 到 right 区间的值，计算 num[i]+i = 下一跳到达的位置，最大位置标记为 maxIndex，即下一跳的右边界。遍历数组，找到每种字母的右边界，用 hash 表存储，每种字母的最后一个字母的位置会覆盖前面的位置，从而获得每种字母的右边界。再遍历数组，获取已经遍历过的字母中，右边界最大位置，如果最大位置就是当前遍历字母的右边界，则此字母是分割点。时间复杂度：O(n)，只遍历了一遍数组。
【剑斩OFFER】算法的暴力美学——只出现一次的数字 ||
就业知识博客
11-24 465
力扣137题：只出现一次的数字 ||
第二次测试题解
2402_89056915的博客
11-23 867
第 3 刀：要最大化分区，第 3 个平面必须与前 2 个平面都相交（得到 2 条不重合的交线，且这 2 条交线在第 3 个平面上相交）—— 相当于在第 3 个平面上，用 2 条相交直线分成了 4 块，因此新增 4 个区域 →。前 3k+2 项的和：3k 项和 + a₃ₖ₊₁ + a₃ₖ₊₂ ≡ 0 + p + q ≡ (p+q) mod 2（a₁+a₂ 的奇偶性）余数 r=2（n=3k+2）→ Sₙ ≡ 1+1=2≡0 → 0（偶）→ 代码逻辑：if n%3==1 → 1，else → 0。
优选算法-队列+宽搜（BFS）：73.在每个树行中找最大值
要努力去发光，而不是被照亮~
11-25 275
优选算法-队列+宽搜（BFS）：73.在每个树行中找最大值解析
洛谷 B3694：数列离散化 ← 数组 + sort + unique + lower_bound
hnjzsyjyj的专栏
11-24 504
（3）保持原数据的偏序关系（若 a[i] < a[j]，则离散化后仍有 a'[i] < a'[j]）。对排序后的数组去重，返回去重后的元素个数 cnt，此时 t[0..cnt-1] 为无重复的有序序列。（1）减少数据范围（如将 [1e9, 2e9, 3e9] 映射为 [1,2,3]），节省存储空间。原理是将间隔很大的元素，映射到相邻的位置上，从而减少对空间的需求，也减少计算量。对全部的测试点，保证 1≤T≤5，1≤n≤10^5，−10^9≤ai≤10^9。输入的第一行是一个整数，表示数据组数 T。
LeetCode算法刷题——128. 最长连续序列
2301_76925430的博客
11-24 993
本文介绍了寻找最长连续序列的高效算法。通过使用哈希集合存储数字，我们能够快速判断数字是否存在。关键在于只从每个连续序列的起点开始扩展，避免重复计算，从而在O(n)时间复杂度内解决问题。算法首先将所有数字存入集合，然后遍历集合寻找序列起点，最后扩展序列并记录最大长度。
c++ 算法
分享unity，c#，c++相关内容
11-24 399
本文将开启C++算法系列教程，涵盖11大类常用算法。主要内容包括：基础排序算法（冒泡、快排等）；搜索算法（二分、DFS/BFS）；图算法（最短路、最小生成树）；动态规划（背包、LCS）；贪心与分治算法；回溯递归（N皇后）；数论算法（筛法、GCD）；字符串处理（KMP、Trie）；几何算法（凸包、点位置判断）以及其他实用技巧（双指针、线段树）。复杂算法将分篇讲解，适合系统学习各类算法实现与应用。
ID3 算法为什么可以用来优化决策树
m0_37225702的博客
11-24 89
信息增益驱动：每次选择最能区分类别的特征，减少树的不确定性。贪心递归构建：快速生成高效结构，尽可能少的分支和深度。提前停止划分：避免冗余节点，提高分类效率。ID3 用“最优划分特征优先”的策略，让树更短、更准确、更高效。
算法基础篇：（十六）深度优先搜索（DFS）之递归型枚举与回溯剪枝初识
2301_79248256的博客
11-24 755
本文聚焦深度优先搜索（DFS）的递归型枚举与回溯剪枝，以枚举子集、组合型枚举、枚举排列、全排列四个洛谷经典例题为切入点，从问题描述、决策树分析、递归函数设计到代码实现逐步拆解。先阐释搜索本质及 DFS 与回溯、剪枝的关联，再通过具体案例讲解回溯的 “恢复现场” 操作与可行性、重复性等剪枝技巧，总结 DFS 递归型枚举 “画决策树 - 设计函数 - 实现回溯 - 添加剪枝” 的通用步骤，帮助读者理解并掌握 DFS 解决枚举类问题的核心方法，为进阶应用奠定基础。
移动电子商务运营的核心策略与实践分析
通过对用户行为数据、交易数据、流量数据的分析，可以实现精准营销、用户分层、商品推荐优化、运营策略调整等。数据运营需建立完善的数据采集、分析与反馈机制，借助BI工具或大数据平台提升运营效率。 五、移动电子...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

茶桁

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值