求剧情
推荐系统实践 · 第三节

《推荐系统实践》第三节

亚马逊在商品页下提供相关推荐列表,依据购买或浏览过该商品的用户行为计算物品相关性,并推出打包销售,即提示用户同时购买其他常搭配的商品并可享折扣。

亚马逊在商品页下提供相关推荐列表,依据购买或浏览过该商品的用户行为计算物品相关性,并推出打包销售,即提示用户同时购买其他常搭配的商品并可享折扣。关于推荐带来的收益,亚马逊未公开确切数字,但前科学家Greg Linden称其离职时至少20%(后改为35%)的销售来自推荐算法,前首席科学家Andreas Weigend透露这一比例为20%~30%;CEO Jeff Bezos认为个性化推荐是亚马逊相对其他电商的最大优势,让每个用户拥有自己的在线商店。

电影和视频领域,Netflix从DVD租赁起家并涉足在线视频,2006年发起悬赏100万美元的Netflix Prize比赛,要求将推荐算法预测准确度提升10%,三年后由AT&T研究人员获奖;该赛提供了40万用户对2万部电影的上亿条评分数据集,催生大量新算法并吸引科研人员,Netflix宣称60%的用户通过推荐找到感兴趣的影视。YouTube与Hulu也采用基于物品的推荐,YouTube实验显示个性化推荐的点击率是热门视频的两倍。

个性化推荐需满足信息过载与需求不明确两个条件,音乐正符合:曲库庞大且用户多把音乐当背景。Pandora通过“音乐基因工程”由专家标注旋律、节奏等特性,按基因相似度推荐;Last.fm基于用户听歌记录与反馈计算相似度,并构建社交网络供好友互荐;豆瓣电台等国内产品类似。2011年Recsys大会总结了音乐推荐的特点:物品空间大、单曲消费代价小、种类丰富、收听耗时短、重用率高、用户充满激情、受心情与情境影响、次序重要、播放列表多、无需全神贯注且高度社会化,因此音乐适合支撑独立的个性化电台网站。

社交网络的个性化推荐主要用在三方面:利用社交关系推荐物品、信息流会话推荐、推荐好友。Facebook拥有社交关系与用户偏好两类数据,推出InstantPersonalization推荐API,依据好友喜欢的内容向用户推荐物品,众多网站(如电视剧推荐网站Clicker)接入该API实现个性化。

‹ 上一章目录下一章 ›

全部 32 章