当前位置:网站首页 >> 美食

er腾讯实时推荐实践

时间:2019-07-09 18:56:48 来源:互联网 阅读:1次

读paper:腾讯实时推荐实践

阅读,只需一秒。精彩,尽在掌握!大数据环境下的实时推荐需求,克服三大难题:大数据,实时性,准确度;大数据,用户数据,业务数据;实时基于storm处理;算法... 大数据环境下的实时推荐需求,克服三大难题:大数据,实时性,准确度;大数据,用户数据,业务数据;实时基于storm处理;算法主要基于item-based,content-based,demographic,并且根据实时特征,结合业务进行创新。Highlights1 Traditional recommender systems that analyze data and updatemodels at regular time intervals, e.g., hours or days, cannot meet the real-time demands.往往,实时用户意图更能真实的展现用户需求,离线计算的大多数是预测,而且大多数不准。Traditional recommendersystems cannot make fast responses to users preference changesand capture the users’ real-time interests, thus resulting in bad recommendationresults。这一块感同身受。2 实时推荐系统问题,系统性能,数据稀疏性和隐式反馈,算法问题3 腾讯实时推荐系统主要工作:大数据环境下,实现传统item-based,content-based, demographic算法,并且将其应用到腾讯各个业务之中;4 系统架构(1)平台选择支持实时计算,高可伸缩性,的容错性能,选择storm(2)数据访问接口(3)数据存储5 算法设计工业应用实践考虑,易用性和准确度,ROI(1)item-based CF处理隐式反馈问题,增量更新,裁剪技术减少计算成本There are various types of user behaviors in our scenario, includingclick, browse, purchase, share, comment, etc.通过技术手段,将隐式行为转化为显式评分。增量更新更新流程we utilize the Hoeffding bound theoryand develop a real-time pruning technique(2)数据稀疏性处理We develop two mechanisms to solve the data sparsity problem,including the demographic clustering and the demographic basedcomplement.(3)实时过滤机制方法1,采用时间窗口,基于session过滤数据;方法2,根据近的行为做推荐种子。Besides the sliding window mechanism, we propose a real-timepersonalized filtering technique to serve the individual users realtimedemands. For each user, we record the recent k items that heis interested in.6 系统架构7 应用点腾讯视频,易迅,腾讯文学,,大众点评,腾讯,空间等参考文献:TencentRec: Real-time Stream Recommendation inPractice启发点:(1)增量更新计算item-basedCF,demographic-based剪枝(2)系统性能本文转自bicloud的个人博客,如有版权问题,请后台留言联系删除。 阅读原文

巴彦淖尔哪家医院专治牛皮癣好
巴彦淖尔有哪些地方病科医院
三门峡普外科医院哪家好
阳泉有哪些运动医学科医院

相关文章

一周热门

热点排行

热门精选

友情链接: 建材选购 开微店商城 技术资讯
媒体合作:

Copyright (c) 2011 八零CMS 版权所有 Inc.All Rights Reserved. 备案号:京ICP0000001号

RSS订阅网站地图