淘宝推荐系统架构是怎样?

很多网站都有推荐系统，淘宝网也不例外，好的推荐系统就好像一个优秀的网站导购员，那么淘宝推荐系统架构是怎样?很多用户都不清楚，因为这是一个很专业的问题，其实了解好淘宝推荐系统架构，对自己开店还是很有好处的，下面就请大家和小编一起来看看淘宝推荐系统架构是怎样这篇文章!

　　一、淘宝推荐系统架构是怎样

　　1、推荐系统定义

　　维基百科：推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物(例如：电影、电视节目、音乐、书籍、新闻、图片、网页)推荐给使用者。

　　推荐系统大体可分为两类，即个性化推荐和非个性化推荐。

　　2、推荐系统作用

　　从用户角度：提高用户忠诚度，帮助用户快速找到商品

　　从网站角度：提高网站交叉销售能力，提高成交转化率

　　3、推荐系统的主要产品

　　同类或者相关商品、店铺推荐，买了还买、看来还看等，猜你喜欢，群体信息披露，热门排行榜。

　　二、推荐系统的组成

　　1、数据

　　explicit(显式)：能准确的反应用户对物品的真实喜好，但需要用户付出额外的代价。如：用户收藏、用户评价。

　　Implicit(隐式)：通过一些分析和处理，才能反映用户的喜好，只是数据不是很精确，有些行为的分析存在较大的噪音。如：用户浏览、用户页面停留时间、访问次数。

　　2、算法

　　离线：用户类目偏好、用户购买力分析、关联性分析、相似矩阵计算等等

　　在线：排序、过滤、增量计算

　　算法需要配合大量业务规则，没有最好，只有更好!

　　3、消息系统

　　消息系统是大型系统不可或缺的重要组成部分，与其他系统解耦，消息转发。

　　4、搜索引擎

　　主要功能是进行文本分析抽取关键词，作为推荐系统的一个信息检索技术内容相关性匹配。

　　5、NoSQL

　　简单、高性能、方便定制

　　6、分布式计算

　　使用MapReduce , Hive、Hadoop进行大规模数据统计和运算和大数据集合的ETL

　　三、淘宝的推荐系统

　　1、淘宝数据特点

　　数据量巨大：数百万店铺、数亿激活用户、数亿的在线商品、数十亿的收藏信息…

　　商品问题：同一类商品多个卖家、标类非标类、类目属性正确性、恶意收藏、刷信誉…

　　2、淘宝推荐系统应用场景

　　目前覆盖大小场景60多个，主要包括Detail 浏览了还浏览，收藏夹弹出层推荐，购物车弹出层推荐，已买到宝贝你可能感兴趣，淘宝无线应用等。

　　3、淘宝推荐系统算法

　　①基础算法：聚类算法，预测算法，分类算法等，主要用于产生基础知识库

　　预测算法：logistic 回归，通过以点击率为目标，以商品，卖家等因素作为指标，建立预测模型构建淘宝优质宝贝库

　　分类算法：朴素贝叶斯，商品性别判断(男性，女性，中性)，用户性别判断

　　聚类算法：人群，用户细分，用于降维

　　②推荐算法：content-based，collaborative-based，Association Rules等等

　　基于内容推荐：通过给用户和商品标注Tag，通过内容匹配算法，推荐商品给用户

　　优点：简单，搜索引擎支持，解决部分冷启动问题

　　缺点：难以区分商品信息的品质,而且不能为用户发现新的感兴趣的商品,只能发现和用户已有兴趣相似的商品

　　协同思想

　　优点：新奇特，个性化程度高

　　缺点：冷启动，稀疏性

　　关联规则：类目的相关性、商品相关性、人的相关性

　　4、推荐系统的效果评测

　　Offline: 给定输入输出，验证系统的输出

　　Online : ABTest (衡量指标：CTR GMV 转换率)

　　总结：推荐系统是需要不断创新并且与场景和行业有事紧密的关系。

　　好了，上面从什么是淘宝推荐系统架构以及推荐系统的组成等内容，充分说明了淘宝推荐系统架构是怎样的这个问题，大家如果对这个话题感兴趣，可以在上找寻更多的资料来学习充实自己。

　　相关阅读：

　　淘宝彩虹系统搭配推荐设置教程(一)

　　淘宝组织架构调整!淘宝组织架构调整你知道吗?

　　淘宝店主必看 网店优化升级大法