推荐系统三十六式
刑无刀
“贝壳找房”资深算法专家，8年推荐系统工程师
立即订阅
11378 人已学习
课程目录
已完结 39 讲
0/4登录后，你可以任选4讲全文学习。
开篇词 (1讲)
开篇词 | 用知识去对抗技术不平等
免费
第1章 概念篇 (3讲)
【概念篇】你真的需要个性化推荐系统吗?
【概念篇】个性化推荐系统那些绕不开的经典问题
【概念篇】这些你必须应该具备的思维模式
第2章 原理篇 (20讲)
【内容推荐】画鬼容易画人难：用户画像的“能”和“不能”
【内容推荐】从文本到用户画像有多远
【内容推荐】超越标签的内容推荐系统
【近邻推荐】人以群分，你是什么人就看到什么世界
【近邻推荐】解密“看了又看”和“买了又买”
【近邻推荐】协同过滤中的相似度计算方法有哪些
【矩阵分解】那些在Netflix Prize中大放异彩的推荐算法
【矩阵分解】Facebook是怎么为十亿人互相推荐好友的
【矩阵分解】如果关注排序效果，那么这个模型可以帮到你
【模型融合】经典模型融合办法：线性模型和树模型的组合拳
【模型融合】一网打尽协同过滤、矩阵分解和线性模型
【模型融合】深度和宽度兼具的融合模型 Wide and Deep
【MAB问题】简单却有效的Bandit算法
【MAB问题】结合上下文信息的Bandit算法
【MAB问题】如何将Bandit算法与协同过滤结合使用
【深度学习】深度学习在推荐系统中的应用有哪些?
【深度学习】用RNN构建个性化音乐播单
【其他应用算法】构建一个科学的排行榜体系
【其他应用算法】实用的加权采样算法
【其他应用算法】推荐候选池的去重策略
第3章 工程篇 (10讲)
【常见架构】典型的信息流架构是什么样的
【常见架构】Netflix个性化推荐架构
【常见架构】总览推荐架构和搜索、广告的关系
【关键模块】巧妇难为无米之炊：数据采集关键要素
【关键模块】让你的推荐系统反应更快：实时推荐
【关键模块】让数据驱动落地，你需要一个实验平台
【关键模块】 推荐系统服务化、存储选型及API设计
【效果保证】推荐系统的测试方法及常用指标介绍
【效果保证】道高一尺魔高一丈：推荐系统的攻防
【开源工具】和推荐系统有关的开源工具及框架介绍
第4章 产品篇 (3讲)
【产品篇】推荐系统在互联网产品商业链条中的地位
【产品篇】说说信息流的前世今生
【团队篇】组建推荐团队及工程师的学习路径
尾声与参考阅读 (2讲)
推荐系统的参考阅读
【尾声】遇“荐”之后，江湖再见
推荐系统三十六式
登录|注册

【概念篇】这些你必须应该具备的思维模式

刑无刀 2018-03-09
在开始讲解一些比较硬的知识之前，我先来给你洗洗脑，传达一些形而上、务虚但是重要的内容；所以，今天我主要带你认识两方面的内容：一个是重新认识推荐系统关键元素的重要性，另一个是要建立起两个思维模式。
这两个方面的内容如果理解不到位，尤其是当你去负责整个推荐产品的时候，那真是害苦了整个团队所有的兄弟姐妹。

对关键元素重要性的认识

要开发一个推荐系统产品，有这么四个关键的元素需要注意：
UI 和 UE；
数据；
领域知识；
算法。
他们的重要性依次递减，权重大致是 4-3-2-1，是不是知道真相的你眼泪掉下来。因为，推荐系统的效果不是你想买就能买，而是要正确认识不同阶段不同因素的重要性。
最先优化的一定是产品的 UI 和 UE ，即人机交互设计和用户体验设计。“颜值即正义”的法则放在推荐系统中也是成立的，不能因为你的产品是具有 AI 属性的个性化推荐就不看脸了，用户对产品的体验，视觉是否符合目标用户审美，交互逻辑是否简单明了，这些会在最大程度上决定用户是否会持续使用。
只有当用户不断回来，才有推荐系统的用武之地。个性化推荐产品首先还是一个产品，按照一款优秀产品的标准来要求它始终是正确的事情，所以请继续善待你们的 UI 和 UE 设计师们。
数据与 UI、UE 是几乎同等重要的元素，它是推荐系统的食材，巧妇难为无米之炊，多少算法工程师因为加入了一家没有历史数据积累的公司，那种“拔剑四顾心茫然”的无力感，谁去谁知道。
数据贯穿了产品始终，对数据的尊重就是对理性和科学的尊重。UI、UE、数据是一个产品的基石，不论其有没有推荐系统存在都是基石。
领域知识，与之对应的是常识和通识。可以这样说，没有哪个产品不涉及领域知识，每一个产品存在于市场上，总是有一部分价值是大多数其他产品无法替代的，这部分就涉及了领域知识。
电商产品有自己的领域知识，比如普通用户更在意的是价格而不是兴趣；音乐产品也有自己的领域知识。
比如一个歌手的死忠粉，你推荐给他该歌手的任意一首歌对他来说都是徒劳——因为他早就听过了。
至于新闻类产品，更是有自己的领域知识：新闻更新很快，可能上个月的内容都得从候选池中拿掉了。
类似这些在一个领域总结出来的普适规律，对于推荐系统的效果提升非常有用：有的是防止闹笑话自毁品牌形象，有的是大幅提高某些指标，有的是缩短模型训练周期。
我们对算法的爱是复杂的，大多数人最不了解的似乎就是算法，以至于本专栏会用最大的篇幅去讲解各种算法原理，但你一定要认识到，算法的左右没有你想象的那么大，但也一定不是可有可无。
一种对算法的常见误会就是：短期高估，长期低估。如果你不是算法工程师，比如产品经理或者运营人员，那么可能你要尤其注意，在一款个性化产品诞生之初，算法所起到的作用可以忽略，我们不能指望它能让产品起死回生、一飞冲天，但就此抛出“算法无用论”也是很愚蠢的。
这四个元素，都不是“天亮以后说分手”的那种，而是需要长期陪伴呵护，不断打磨。这里阐明其重要性的高低，是为了让你在资源有限，精力很少的前提下抓大放小。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《推荐系统三十六式》，如需阅读全部文章，
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(34)

  • yxj🚩
    不确定思维就是根据我们的数据，哪怕对同一用户同一时间的推荐结果，都可能是不同的，我们总是推荐目前推荐系统结果中概率最大的结果，但当其他数据累加时，即使该用户行为不变，我们算法也不变，这个结果也是很有可能会变的。

    作者回复: 明白人。

    2018-03-10
    27
  • Grace
    太赞了

    作者回复: 致敬每一个爱学习的你！

    2018-03-09
    11
  • 叶晓锋
    量化指标和结果不确定性是推荐系统的两个重要特征。只要做好量化才可以计算，才能成为一个可计算问题,一切没有量化的知识、逻辑都无法从算法获益。任何一个模型都是错误的，因为模型和现实永远会有偏差，优化只能减小这种偏差，不能完全消除偏差。

    作者回复: 对头。

    2018-03-09
    9
  • Classtag
    一般一个业务会有一个主要优化目标，其他作为参考。比如电商的cvr 订单量 多样性 新颖性等

    作者回复: 盯多个目标容易迷失，我建议是两种：一种是设计一个指标把多个指标统一了。另一种是盯一个最主要的指标，其他的指标设定一个最低值就行了，让主要指标增长，其他指标不要跌落到最低值就可以。

    2018-03-09
    6
  • jack.hou
    不确定性思维，是由于推荐系统的推荐的是概率性事件，不是必然事件，因此结果不是确定的，要用不确定性的思维去理解

    作者回复: 对的，世界上去世的推荐系统都死于老板天天说“推得不准”癌。

    2018-03-09
    6
  • 梦露
    UI，UE也更多算是场景的一部分，推荐不是独立的，是要在具体场景中赋能的。基本一个推荐场景能决定了推荐的天花板
    2018-06-05
    5
  • Citi Lai
    很受用，謝謝。請問一般類似qoura問答系統的KPI指標會是什麼？另外，公司內部的知識問答推薦系統的KPI怎麼定義才合理？

    作者回复: 看阶段吧，问题少就着重鼓励大家提问题，答案少就着重鼓励大家写答案，互动少就鼓励大家多点赞收藏。

    2018-03-09
    4
  • 走小調的凡世林
    世界上去世的推荐系统都死于老板天天说“推得不准”癌。
    这可怎么办？分享这节课给领导学习下吗

    作者回复: 必须要啊，难道你就这样忍受吗？或者难道你直接和老板杠吗？显然都不可取，让我去说服他吧。

    2018-07-11
    3
  • jason
    最近在做一个视频推荐，技术组以点击率为目标，产品组更看重活跃率。可能是产品初期，留存更重要吧？
    2018-03-16
    3
  • Jack_Sainity
    陈老师，请问链家网的推荐团队还招人吗？

    作者回复: 招人，简历扔过来：chenkaijiang001@lianjia.com

    2018-03-12
    3
  • jt120
    有点抽象，如果有例子，说明哪种设计好，哪种领域知识有效，哪些数据重要，就好了

    作者回复: 谢谢建议，后面加强。

    2018-03-09
    2
  • worry
    推荐系统把我们从“经典力学”带到了“量子力学”，因此思维也要从“确定性思维”转化到“不确定思维”。纠缠态，测不准原理，薛定谔的猫，平行宇宙，感觉这些量子力学相关的概念和推荐系统很匹配。
    2019-10-14
    1
  • 技术猿
    老师，问个问题推荐系统具有不确定性，那测试如何去衡量正确性？
    2018-08-13
    1
  • 洛
    手机端应用商店类的领域知识有那些可以说说吗？
    2018-05-11
    1
  • 行行行
    实在忍不住，讲的真不错一定要赞一下，话说能不能更新快点跟不上看的速度啊，强烈建议更新快点

    作者回复: 不要急不要急。

    2018-03-23
    1
  • 185
    不确定性思维：每次产品升级都可能带来正面或负面的影响，但还是要想办法通过持续升级来提高盈利指标。

    作者回复: 所以我从来不回答合作方或者老板问“什么时候才能精准”这样的问题。

    2018-03-10
    1
  • gkb111
    目标思维，适用于任何产品，说白了就是闭合。不确定性思维确实是认识推荐类产品的必须思想
    2019-08-21
  • shangqiu86
    老师，您说的这些太对了，我本身是做推荐算法的，我们的PM整天就拿着个案来找我说，为啥推给我这个，运营也是，他们库里面的内容三分之二都是一个月之前的内容，质问我为啥feed流里面出来的都是旧内容，我就直接搞了个数据图表甩给他们。
    2019-04-26
  • 镇镇震震的源
    正在求推荐算法人才，求推荐。。
    2019-04-18
  • 进
    要是推荐系统有个大的交流平台就好了

    作者回复: 知识星球搜索“Resyschina”。

    2019-02-20
    1
收起评论
34
下载
客户端
返回
顶部