1. 首頁 > 生活百科 > >

推薦引擎基本概念及內容 如何搭建個性化推薦引擎系統？

小知識

什么是RecEng：
推薦引擎（ Recommendation Engine ， 簡稱RecEng ）是在阿里云計算環境下建立的一套推薦服務框架 ， 用于實時預測用戶對物品偏好 ， 支持您定制推薦算法 ， 支持 A/B Test 效果對比 。 阿里云推薦引擎 ， 以數據驅動業務 ， 通過人工智能實現1對1營銷 ， 為您的顧客提供量身定做的服務 ， 幫助企業快速創新 。 同時能夠為您的企業降低運營成本 ， 提高顧客對企業的滿意度和忠誠度 ， 提升企業的業務目標 。
課程詳細內容：（點擊下方“了解更多”立即學習）
本認證系統的講解了推薦系統的概念、應用、算法原理 ， 并詳細介紹了阿里的推薦引擎產品RecEng ， 最后通過一個微項目讓學員親自動手搭建一個推薦系統 。
整個過程分為數據上傳、數據預處理、推薦系統設置、測試上線四個部分 ， 學員可參考本實驗 ， 結合企業自身業務和需求 ， 將所學應用到實踐中去 。
通過本案例 ， 學員可了解推薦系統的概念、應用、算法原理以及阿里的推薦引擎產品RecEng的使用方法 。 通過動手實踐 ， 學員可以獨立使用推薦引擎產品RecEng快速搭建企業推薦系統 。
推薦引擎基本概念：

  • 客戶/租戶（org/tenant）
指RecEng的使用者 ， 系統中由其阿里云賬號代表 。 通常客戶是一個組織 ， RecEng中常用org表示客戶 。
  • 用戶（user）
指客戶的用戶 ， 即RecEng使用者的用戶 。 推薦是一個2C的服務 ， 使用推薦服務的客戶必然有其自己的用戶 ， RecEng使用者的用戶簡稱為“用戶” ， 系統中常用user表示用戶 。
  • 物品（item）
指被推薦給用戶的內容 ， 可以是商品 ， 也可以是歌曲 ， 視頻等其他內容 ， 系統中常用item表示物品 。
  • 業務（biz）
業務針對數據集定義 ， 定義了算法所能使用的數據范圍 。 一個客戶在RecEng上可以有多個業務 ， 不同的業務必然有不同的數據集 。 RecEng要求每個業務提供四類數據（不要求全部提供）：用戶數據 ， 物品數據 ， 用戶行為數據 ， 推薦效果數據 。 每一組這樣的數據就構成一個業務 。 系統中常用biz表示業務 。
比如某客戶A有兩類被推薦的物品 ， 分別是視頻和歌曲 ， 于是客戶A可以在RecEng上建立兩個業務M和N ， 其中M的物品數據為視頻 ， N的物品數據為歌曲 ， 其他的數據（指用戶數據 ， 用戶行為數據等）可以都相同 。 在這種方案下 ， 業務M和N的數據是獨立的 ， 即業務M雖然能看到用戶對于歌曲的行為 ， 但是業務M中不包含歌曲的物品數據 ， 所以會丟棄用戶對于歌曲的行為；如果業務M中某用戶只對歌曲有行為 ， 對視頻沒有行為 ， 業務M也會丟棄這類用戶 。 反之對業務N亦然 。
一個業務最好只推薦一類物品 。 多類物品的推薦在后續的行業模板會有支持 ， 需要引入板塊(plate)的概念 ， 一份業務數據可以生成多個板塊的數據集 ， 場景綁定某個板塊進行推薦算法計算 。
  • 場景（scn）
場景指的是推薦的上下文 ， 每個場景都會輸出一個API ， 場景由推薦時可用的參數決定 。 有兩種場景最為常見 ， 分別是首頁推薦場景和詳情頁推薦場景 。 顧名思義 ， 在執行首頁推薦時 ， 可用的參數只有用戶信息；而在執行詳情頁推薦時 ， 可用的參數除了用戶信息 ， 還包括當前詳情頁上所展示的物品信息 。 系統中常用scn表示場景 。
一個業務可以包含多個場景 ， 即對于某個業務A ， 它包含多個首頁場景也是完全可以的 。
事實上 ， 回到場景的原始定義 ， 場景只是由推薦的上下文決定 ， 客戶完全可以根據自己的需求建立全新的場景 ， 比如針對搜索關鍵詞的推薦場景 ， 這時可用的參數除了用戶信息 ， 還有用戶所輸入的關鍵詞 。
  • 流程（flow）
算法流程指數據端到端的處理流程 ， 一部分流程屬于業務范疇 ， 如數據導入流程 ， 效果計算流程 ， 數據質量分計算流程；一部分屬于場景 ， 比如場景算法流程 。 從數據源類型和產出來劃分 ， 又分為離線流程 ， 近線流程 ， 在線流程

推薦閱讀