《天猫个性化推荐架构》由会员分享，可在线阅读，更多相关《天猫个性化推荐架构（29页珍藏版）》请在金锄头文库上搜索。
1、天猫推荐业务与算法架构 张奇（得福） 天猫推荐算法团队张奇（得福） 天猫推荐算法团队 20130714 个人介绍 张奇， 花名：得福 2010年博士毕业于中国科学技术大学2010年博士毕业于中国科学技术大学 2010年至2012年，计算广告阿里云 2012.4至今，推荐系统天猫 SearchEngine 第二部分：user2item 第三部分：推荐在天猫的应用 Recommendation 第一部分：item2item Beginwith 浏览了该商品的用户还浏览了 ItembasedRecommendation 10h i ji ij N NN w = U1 U I1I2I4I5 III 1
2、0h 10min U2 U3 I1I3I5 I2I5I6I7 ji ij NN w = 1 U4I3I5 ji ij NN 1 浏览（V2V） 购买（B2B） = )()( 2 |)(|( w ji IUIUu ujuiu ij ttfW = )()( 2 ij w ji IUIUu u W 浏览（V2V） 购买（B2B） )( 2 )( 2 w ji IUu u IUu u ij WW )( 2 )( 2 ij w ji IUu u IUu u WW n ii BA = = = n i i n i i i BA 1 2 1 2 1 ji )()( )I ,TextSim(I Itembase
3、d算法效果 ji ji II II Jaccard = = )( 2 )( 2 )()( 2 ji |)(|( )I ,CosSim(I ji ji IUu u IUu u IUIUu ujuiu WW ttfW j UV点击率UV购买率点击率*购买率UV点击率UV购买率点击率*购买率 Jaccard4.14%2.42%0.100% CosSim4.37%2.45%0.107%CosSim4.37%2.45%0.107% 提升比5.53%1.40%7.00% Model融合算法 相似度相似度 覆盖范围 投票方式 覆盖范围 文本 Model融合问题 行为 从不同维度对问题的描述 主商品候选集主商
4、品候选集v2bb2bv2v(cf1)v2v(cf2)target Item0 0210 510 470 53 Item Item10.0210.510.470.53 Item20.490.48 Item30.330.45 3 Itemn0.580.21 Model融合算法-MachineLearning 1（点击） 0（未点击） LogisticRegressionMPIgg Model融合算法-效果 单一CF模型AUC=0.6653融合后模型AUC=0.7835 Model融合算法-效果 Item2item 算法优化效果算法优化效果（PV 曝光价值曝光价值）Item2item算法优化效果算法
5、优化效果（PV曝光价值曝光价值） 对比一淘，平均提升11% 新版1（698) 一淘(132)一淘(132) 老版本(647) 对比老版本，平均提升18% 201306252013062620130627201306282013062920130630 PV总访问 支付宝成交金额 曝光价值=pv Part-1小结 基础推荐实体关系库基础推荐实体关系库 商品关系库品牌关系库 专辑关系库活动关系库 离线算法系统 训练训练数据准备特征计算参数调优训练 算法包 集群MPI 集群Hadoop 集群 LRMLRLDANMF 训练数据准备特征计算参数调优 集群MPI集群Hadoop集群 Part-2 猜你喜欢
6、猜你喜欢 ? Personalization-用户购物意图模型 类目 直接 引导 购物 品牌 比较 价格比较 服务比较 同类品牌 品牌认知 品牌 例：某消费者要买 ONLY的外套 例：某消费者要买 冬天穿的外套 AC 品牌 例：某消费者喜欢看 ONLY家又上了什么新货 例：某消费者只 是想逛逛淘宝 B C D 产品 比较 逛 ONLY家又上了什么新货 是 品牌活动 品牌上新 产品陈列 各种活动 品牌互动 Personalization-场景引擎-模型 目标：基于用户实时行为和天猫的导购路径结构，判断用户当前的意图 意图建模（三维模型）：品牌意图、类目意图、单品意图 特征刻画：利用CPV、UIT
7、等数据刻画类目意图 类目 技术框架： 实时数据 （全淘宝，秒级别） 类目 类目 明确 购物意 图明确 Cli k 例：某用户要买 优衣库的羽绒服 例：某用户要买 件羽绒服 明确 图明确 Predictor Click 品牌 A B D C 优衣库的羽绒服一件羽绒服 例：某用户又到了 每天例行的逛淘宝 例：某用户想看看 优衣库家又上了 Search 每天例行的逛淘宝 时间 优衣库家又上了 什么新品 逛 品牌 确 Learner 逛 明确 Personalization-场景引擎-Paper Making Recommendations Better The Role of User Online
8、 Purchase IntentionMakingRecommendationsBetter:TheRoleofUserOnlinePurchaseIntention Identification，RecSys 2013Hongkong (Submitted) RandomForrest 场景引擎效果离线评估方法 Personalization-场景引擎-评估 0.7 场景引擎效果离线评估方法 0.5 0.6 预 0.3 0.4 预 测 准 确 0 1 0.2 0.3 确 率 算法1 0 0.1 10987654321 预测步长 usersession: 场景引擎效果离线评估方法 Person
9、alization-场景引擎-评估 0.8 场景引擎效果离线评估方法 0.6 0.7 预 0.4 0.5 预 测 准 确 算法2 0.2 0.3 确 率 算法2 算法1 0 0.1 10987654321 usersession: 预测步长 算法系统-场景引擎-DEMO 8231* Part-3 算法组装 天猫推荐系统架构2013之前 Detail给我推荐Detail给我推荐会员俱乐部推荐会员俱乐部推荐 天猫/淘宝 首页 logo推荐 天猫/淘宝 首页 logo推荐 图书城推荐图书城推荐 业务 前端开发前端开发前端开发前端开发前端开发前端开发前端开发前端开发后台 数据开发数据开发数据开发数据开
10、发数据开发数据开发数据开发数据开发数据开发数据开发数据开发数据开发数据开发数据开发数据开发数据开发 业务特点业务特点业务特点业务特点业务特点业务特点业务开发业务开发 问题： 业务和算法高度结合 高投入、低沉淀高投入、低沉淀 天猫推荐系统架构2013 Detail 给我推荐Detail 给我推荐会员俱乐部推荐会员俱乐部推荐 天猫/淘宝 首页天猫/淘宝 首页 图书城推荐图书城推荐Detail给我推荐Detail给我推荐会员俱乐部推荐会员俱乐部推荐 天猫/淘宝 首页 logo推荐 天猫/淘宝 首页 logo推荐 图书城推荐图书城推荐 前端 匹配层 场景引擎 用户实时意 Ranker 装配（参数化）
11、在线实验 框架 用户实时意 图&长期兴 趣 检索 Ranker 推荐实体 商品推荐品牌推荐专辑推荐 同店 |跨店相似 离线实验 框架 相似 |搭配 检索算法 用户 天猫推荐流程图 检索算法 用户 features QP 检索重排序展现 流量分配 CTR预估 索引 场景引擎 Dump 优点： 1. 算法与业务剥离 算法模块化平台化 实时偏好 长期偏好离线数据 运算 基础算法 2. 算法模块化、平台化 3. 易于算法深入与沉淀 运算 算法 Part-4 推荐应用Tmall 天猫推荐业务一览图（PC端） 天猫推荐业务一览图（无线端） 推荐对消费者的意义 让消费者更容易找到满意的商品 UV购买转化率购买转化率人均点击商品数人均点击商品数 总体服饰箱包3C数码总体服饰箱包3C数码 当日使用推荐的人群当日未使用推荐的人群 推荐对卖家的意义 让流量的分配更公平（卖家） 3C行业店铺内引流效率服饰行业店铺内引流效率 引 流 引 流 3C行业店铺内引流效率服饰行业店铺内引流效率 流 流 量 分 布 流 流 量 分 布 Top商品数量Top商品数量 推荐搜索总体 推荐对天猫的意义 15%15% 共享共建-阿里集团资源共享 MPI集群&机器学习算法包 LR MLR UIT 数据资源 UIT TCIF
