推荐系统工程实践
在这个数据爆炸、信息过载的时代，用户面临过多内容时往往无所适从；另一方面信息的生产者也希望能更便捷的将内容传递到给合适的用户，而推荐系统的出现，很好的满足了两者的需求——即帮助用户完成个性化的信息过滤，又帮助信息找到最合适的用户。 搭建一个推荐系统本身并不难，但是搭建一个效果优良的推荐系统并不简单，而推荐系统的效果是决定整个产品成败的生命线，所以本讲座将围绕推荐效果的优化技术进行探讨，通过深入分析推荐系统运转的各个重要环节，结合实践开发中积累的宝贵经验，为大家传道解惑。分享的内容将包括：
-
各种推荐算法实践中的特点如何？
-
怎样才能扬长避短让各种算法发挥特长？
-
设计良好的推荐系统架构是怎样的？
-
推荐的时效性应该怎样解决？
-
如何迅速捕捉用户偏好并实时完成推荐？
-
常用的推荐效果优化手段有哪些？分别起到什么样的作用？
-
如何平衡推荐系统的强时效性需求和大数据量的挖掘处理？
-
推荐结果应该以什么方式展示给用户？
-
怎样让用户更信赖推荐系统？
推荐系统正处于下一波互联网浪潮的起点上，本讲座希望深入浅出，让对推荐系统有不同程度了解的朋友都有收获，在浪潮中找准机会。
|
天猫是国内最大的B2C 电商之一，在天猫的消费者导购链路中，搜索和推荐是并驾齐驱的两个最重要的环节。 目前整个推荐引导的成交在天猫基本可以占到20%，每天有近1千万用户点击推荐投放的内容。所以推荐准确性、及时性、新鲜度都会很大程度上影响消费者的体验。本次分享主要会从天猫推荐业务、推荐算法框架的设计、机器学习算法的应用等角度来总体介绍，同时会介绍一下阿里大数据竞赛的进展（也即天猫推荐算法大赛）。 听众受益：
|
推荐系统的时效性对于推荐效果往往有着重大的影响，随着研究的深入，推荐系统逐渐向更高的时效性迈进。演讲者基于百度推荐系统处理时效性问题的实践经验，总结实时推荐系统的设计规律和方法，探讨推荐系统的时效性如何从产品设计、推荐算法和系统架构等各个层面得到体现和提升。 观众所得：
|
|
1号店作为国内领先的B2C电商网站之一，个性化推荐在其商业比重中所占的比例越来越大，众多的推荐栏位和场景需要健壮的架构，不同的算法，以及在线服务的有效协同；本次演讲会从产品和技术融合的角度介绍1号店在推荐系统上的实践和探索，不同的机器学习模型如何适用于不同的推荐应用，数据/算法各自重要性如何在真实商业场景中体现，推荐系统在用户体验和商业价值多重目标下如何平衡，以及支撑推荐的大数据挖掘架构等方面 听众受益： （1）了解到大型B2C电商推荐系统的真实实践经验 （2）众多机器学习算法如何适用于不同的场景 （3）实际商业应用中，机器算法和人工规则融合经验 （4）推荐系统在电商应用中除了传统手段之外的一些特殊点 |
人与人之间的不同连接关系催生了不同类型的社交网站，从好友之间的互动（如facebook和微信），到半好友之间的信息传播（如twitter和微博），再到陌生人之间的沟通建立（如match和佳缘）。虽然大部分人对前两类网站都有所了解，但很多人对第三类网站却知之甚少。推荐系统虽然只有短短几十年的历史，现在却已经在诸多行业被验证能大幅提升企业及其用户的收益。前两类网站成功应用推荐系统的案例已屡见不鲜，但是推荐系统能成功应用于第三类中有代表性的婚恋交友网站吗？ 世纪佳缘从十年前诞生于校园宿舍，到现在成长为中国最大的婚恋交友平台，目前已经拥有超过1亿的注册用户。它是国内第三类网站中的典型代表。本次分享中我将介绍佳缘是如何为其用户推荐异性会员的，也即介绍佳缘的用户推荐系统。婚恋交友中的用户推荐系统是怎样工作的，它是如何做到兼顾用户与企业两者利益的，它相对于其他行业的推荐系统又有何特别之处？欢迎大家加入讨论，帮助我们更好地牵红线搭鹊桥。 |