推荐系统实践(项亮)— 后记

  在书的“后记”部分,作者列出了Strand研究人员总结的“推荐系统十堂课”,总结了他们设计推荐系统的经验和教训。

1. 确定你真的需要推荐系统

  个人评价:不是为了推荐而推荐,推荐只是手段,关键看用户价值在哪里,从用户角度出发,真正能帮助用户。

2. 确定商业目标和用户满意度之间的关系

3. 选择合适的开发人员

  一般来说,如果是一家大公司,应该雇用自己的开发人员来专门进行推荐系统的开发。

4. 忘记冷启动问题

  不断的创新,互联网上有任何你想要的数据。只要用户喜欢你的产品,他们就不断的贡献新的数据。

  个人评价:其实说的是,先把产品的用户量提上去,有用户了,自然好收集数据了。

5. 平衡数据和算法间的关系

  有句话说得很好:数据分析决定了如何设计模型,而算法只是决定了最终如何优化模型。个人评价:看数据的过程不能忽略,选择好的特征后即使用简单算法也能达到好的结果,相反,有时候效果不好可能并不是模型的原因,而是特征选择太离谱。

6. 找到相关的物品很容易,但是何时以何种方式将他们展现给用户是困难的。不要为了推荐而推荐,要以用户和商业目标为导向。

  个人评价:什么时候推荐?以什么方式推荐?例如:系统频繁地弹窗让用户反感,即便弹窗的内容真的是用户可能消费的内容。

7. 不要浪费时间计算相似性去的用户,可以直接利用社会网络的资源。

  个人评价:就是UserCF和利用社交网络的算法的关系。个人觉得,充分利用资源,尽量利用已有的数据(例如:社交网络的用户关系),而不是计算新的数据(UserCF的用户关系)。

8. 需要不断地提升算法的扩展性。

9. 选择合适的用户反馈方式。

10. 设计合理的评测系统,时刻关注推荐系统各方面的性能。

 

posted @ 2018-11-01 12:52  深度机器学习  阅读(1605)  评论(0编辑  收藏  举报