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
  • 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
  • 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
返回
顶部