从0开始学大数据
李智慧
同程艺龙交通首席架构师,前Intel大数据架构师,《大型网站技术架构》作者
立即订阅
14333 人已学习
课程目录
已完结 46 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 | 为什么说每个软件工程师都应该懂大数据技术?
免费
预习模块 (3讲)
预习 01 | 大数据技术发展史:大数据的前世今生
预习 02 | 大数据应用发展史:从搜索引擎到人工智能
预习 03 | 大数据应用领域:数据驱动一切
模块一 Hadoop大数据原理与架构 (7讲)
04 | 移动计算比移动数据更划算
05 | 从RAID看垂直伸缩到水平伸缩的演化
06 | 新技术层出不穷,HDFS依然是存储的王者
07 | 为什么说MapReduce既是编程模型又是计算框架?
08 | MapReduce如何让数据完成一次旅行?
09 | 为什么我们管Yarn叫作资源调度框架?
10 | 模块答疑:我们能从Hadoop学到什么?
模块二 大数据生态体系主要产品原理与架构 (7讲)
11 | Hive是如何让MapReduce实现SQL操作的?
12 | 我们并没有觉得MapReduce速度慢,直到Spark出现
13 | 同样的本质,为何Spark可以更高效?
14 | BigTable的开源实现:HBase
15 | 流式计算的代表:Storm、Flink、Spark Streaming
16 | ZooKeeper是如何保证数据一致性的?
17 | 模块答疑:这么多技术,到底都能用在什么场景里?
模块三 大数据开发实践 (8讲)
18 | 如何自己开发一个大数据SQL引擎?
19 | Spark的性能优化案例分析(上)
20 | Spark的性能优化案例分析(下)
21 | 从阿里内部产品看海量数据处理系统的设计(上):Doris的立项
22 | 从阿里内部产品看海量数据处理系统的设计(下):架构与创新
23 | 大数据基准测试可以带来什么好处?
24 | 从大数据性能测试工具Dew看如何快速开发大数据系统
25 | 模块答疑:我能从大厂的大数据开发实践中学到什么?
模块四 大数据平台与系统集成 (6讲)
26 | 互联网产品 + 大数据产品 = 大数据平台
27 | 大数据从哪里来?
28 | 知名大厂如何搭建大数据平台?
29 | 盘点可供中小企业参考的商业大数据平台
30 | 当大数据遇上物联网
31 | 模块答疑:为什么大数据平台至关重要?
模块五 大数据分析与运营 (5讲)
32 | 互联网运营数据指标与可视化监控
33 | 一个电商网站订单下降的数据分析案例
34 | A/B测试与灰度发布必知必会
35 | 如何利用大数据成为“增长黑客”?
36 | 模块答疑:为什么说数据驱动运营?
模块六 大数据算法 (6讲)
37 | 如何对数据进行分类和预测?
38 | 如何发掘数据之间的关系?
39 | 如何预测用户的喜好?
40 | 机器学习的数学原理是什么?
41 | 从感知机到神经网络算法
42 | 模块答疑:软件工程师如何进入人工智能领域?
智慧写给你的寄语 (1讲)
所有的不确定都是机会——智慧写给你的新年寄语
结束语 (2讲)
结束语 | 未来的你,有无限可能
第2季回归丨大数据之后,让我们回归后端
从0开始学大数据
登录|注册

39 | 如何预测用户的喜好?

李智慧 2019-01-26
在用户对自己需求相对明确的时候,可以用搜索引擎通过关键字搜索很方便地找到自己需要的信息。但有些时候,搜索引擎并不能完全满足用户对信息发现的需求。一方面,用户有时候其实对自己的需求并不明确,期望系统能主动推荐一些自己感兴趣的内容或商品;另一方面,企业也希望能够通过更多渠道向用户推荐信息和商品,在改善用户体验的同时,提高成交转化率,获得更多营收。而这中间发现用户兴趣和喜好的就是推荐引擎。
在豆瓣中打开电影《肖申克的救赎》的页面,你会发现这个页面还会推荐一些其他电影。如果你喜欢《肖申克的救赎》,那么有很大概率你也会喜欢下面这些电影,这就是推荐引擎发挥的作用。
推荐引擎的思想其实很早就存在了,后来随着大数据技术的发展,推荐引擎的普及程度和重要性也越来越高,淘宝曾经就主推“千人千面”,要让每个用户打开的淘宝都不一样,背后的核心技术就是推荐引擎。现在稍有规模的互联网应用几乎都有推荐功能,而一些新兴崛起的互联网产品,推荐功能甚至是其核心产品特点与竞争优势,比如今日头条,就是靠智能推荐颠覆了互联网新闻资讯领域。
那么推荐引擎如何预测用户的喜好,进行正确的推荐呢?主要就是依靠各种推荐算法,常用的推荐算法有:基于人口统计的推荐、基于商品属性的推荐、基于用户的协同过滤推荐、基于商品的协同过滤推荐。
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《从0开始学大数据》,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(6)

  • 强哥
    介绍了几种常用的推荐算法的解读,但是缺乏对应的场景应用。结合使用场景来介绍每种场景下应该用哪个推荐算法更合理会觉得更好点?
    2019-01-26
    3
  • kobepeng
    看完这篇之后,让我感觉到大数据在生活中无处不在,除了那些高深莫测的数学模型,简单的分类分组其实也算是大数据的一部分,让自己在学习大数据的过程中有一种亲近感、带入感。感谢老师~
    2019-01-26
    2
  • weiruan85
    人口统计:
      小明: 已婚,男,有小孩,孩子5岁,幼儿园,iT工作者,喜好NBa --> 用户画像
      小强: 已婚,男,有小孩,孩子6岁,幼儿园,文艺工作者,喜好足球 -- > 用户画像
             画像完成后,小明购买的小孩用品就可以推荐给小强,因为他俩的相似度很高,属于有小孩的一类客户。
                                    两人也属于体育爱好者这一类。

    商品属性推荐:
                 科学时什么:科普书(科普再细分),适合20-30岁读者,作者高学历,出版社,评价5星 ,得到推荐等
                 当下的启蒙: 科普书,适合20-40岁,作者xxx,出版社,评价5星,得到推荐等。
           当小明购买科学时什么时,推荐当下的启蒙。

    用户协同过滤推荐:
                 小明: 喜好电脑,打印机,Java编程,linux系统,U盘 等等
                 小强: 喜好电脑,打印机,U盘,C编程,科学是什么等
             按照客户的喜好(都喜欢电子产品)进行分类,将小明和小强分为了同一类客户, 小明购买了ipad后,就可以向小强推荐此产品

    商品协同过滤:
                 小明: 喜好电脑,打印机,Java编程,linux系统,U盘 等等
                 小强: 喜好电脑,打印机,U盘,C编程,科学是什么等
        购买电脑的客户,会一起购买:打印机,U盘,ipad等, 这些产品属于一类。 当有用户购买了这一类产品中的某一个时,就推荐其他的
    2019-08-15
    1
  • 小老鼠
    一般大型电商是不是结合这四类方案。
    2019-02-02
    1
  • shuifa
    mark
    2019-01-27
  • 杰之7
    通过这一节的阅读学习,毫无疑问,智能推荐已经成为今天产品功能的重点。它将用户和产品黏贴的足够紧,有一天很可能不是我们需要手机里的产品做什么,而是产品要求我们做什么,因为产品更了解我们自身。

    在今天的学习中,老师介绍了常用的4种推荐,其中第三种和第四种推荐也是第一二种推荐的扩充,有更精准的效果,复杂度也会高些。



    2019-01-26
收起评论
6
返回
顶部