推荐业务、feed流产品及推荐算法策略架构解析-课程笔记1

Re10ch1 

本文是对七月在线推荐算法高级班课程1的一个课堂笔记记录。主要通过提问的方式来从外向内串起对推荐业务的理解。 

推荐的理解： 

推荐技术： 将机器学习的技术应用到推荐业务中

label =model(item,user,context) 

推荐的item是什么： 推荐的物品

推荐item的对象user ： 

context:  上下文

label是指什么？ 业务需要的指标就是对应的label，需要结合业务。 如新闻推荐，新闻被用户点击阅读的概率。 

user 具体有哪些形式： 

针对user可以涉及哪些特征： 

兴趣；

历史浏览行为；

用户的标签；

用户的自身属性；

item 的特征： 

统计类特征(如点击率、购买率）、内容类特征(类别、title、关键字等)

context类特征： 

IP，time ,手机型号，网络类型；

model 可以是哪些？ 

任意模型都是可以

单目标学习； label =model(train,user,context)

多目标学习是一个趋势； 

label1,label2,label3=model(item,user,context) 

lr，gbdt,xgb,dnn,fm ,ffm,deepfm,dcn,wide and deep,ftrl ,din,dien,mmoe的多任务学习框架； 

DIN、DI