推荐系统
推荐系统
满小茂 发表于5个月前
推荐系统
  • 发表于 5个月前
  • 阅读 38
  • 收藏 1
  • 点赞 0
  • 评论 0

腾讯云 技术升级10大核心产品年终让利>>>   

摘要: 实时推荐系统的3种方式 http://www.jianshu.com/p/356656ce2901 用Kiji构建实时、个性化推荐系统 http://www.infoq.com/cn/articles/kiji

 一、Netflix  推荐系统架构

 

 二、协同过滤

       协同过滤算法   首先程序获取用户和产品的历史偏好,得到用户到产品的偏好矩阵,利用Jaccard相似系数(Jaccard coefficient)、向量空间余弦相似度(Cosine similarity)、皮尔逊相关系数(Pearson correlation coefficient)等相似度计算方法,得到相邻的用户(User CF)或相似商品(Item CF)。在User CF中,基于用户历史偏好的相似度得到邻居用户,将邻居用户偏好的产品推荐给该用户;在Item CF中,基于用户对物品的偏好向量得到相似产品,然后把这款产品推荐给喜欢相似产品的其他用户。

 

 

三、离线计算+实时计算构建推荐

 

       

        用HBase或HDFS存储历史的浏览、购买行为信息,用Hadoop基于User CF的协同过滤,先把用户的相似度离线生成好,用户到商品的矩阵往往比较大,运算比较耗时,把耗时的运行先离线计算好,实时调用离线的结果进行轻量级的计算有助于提高产品的实时性。

        然后通过Kafka或者Redis队列[Redis Queue],保存前端的最新浏览,点击等事件流,在Storm的Topology中实时读取里面的信息,同时获取缓存中【Redis Cache】用户topN个邻居用户,把邻居用户喜欢的商品存到缓存中【Redis Queue or Cache】,前端从缓存中取出商品,根据一定的策略,组装成推荐商品列表。

   

标签: 推荐
共有 人打赏支持
粉丝 64
博文 115
码字总数 117706
×
满小茂
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: