|
推荐系统是一个综合性的系统，涉及到前段JS代码、推荐服务（Web网站）、推荐算法、大数据处理平台等；各个系统有依赖很多基础服务，调用关系非常复杂；在实际的开发过程中，每个模块都是由一个团队负责开发和维护的；本例期望通过一个猜你喜欢的案例梳理出推荐系统开发的一般流程。 课程目标- 了解推荐系统概念及整体架构
- 掌握推荐系统开发的整体流程
- 理解推荐系统之协同过滤算法及开发流程
- 动手实践
1、 推荐系统基础概念推荐本质上是商品售卖系统，和电商网站的目的一样，用来售卖商品。 电商网站商品的售卖，正常展示商品（平台想展示什么样品） 推荐系统，是根据用户的喜好，展示对应的商品，提高用户的下单率和转化率。 怎么计算的用户的喜好？ 会收集用户的所有的行为信息（网站浏览信息、订单信息、关注信息、收藏商品、评论系统、外部信息（微博信息、联盟网站）），分析用户对某一类商品感兴趣（用户A:电子产品：10|用户A：生活家居：3），推荐喜好强度推荐相关品类的商品。 1） 用户行为收集模块（点击流模块、订单支付模块（AMQ）、用户中心、外部信息） 2） 使用大数据平台对信息（用户和商品）进行处理，得到用户偏好数据（用户喜欢什么类别） 3） 将偏好数据计算出来之后，导入到某一个算法进行计算（预测），得到推荐的结果。 4） 将推荐的结果导入到数据库（Redis、Hbase）中 5） 开发一个推荐引擎（Web网站），对外开放一些接口，输出推荐结果（通过JS代码展现给用户）。 数据收集模块： 点击流模块：flume+kafka+storm+redis 处理用户当前浏览的信息，将信息计算好之后，保存到redis。（比如用户对一个品类的偏好）。 订单支付（AMQ）,开发一个消费者程序（storm、javaapp），用来计算用户的偏好 外部信息：通过爬虫技术爬去用户在社交网站的数据，进行账号的打通，关联账号 合作数据；比如京东和腾讯合作，可以获取一些用户在腾讯应用上的数据。 大数据处理平台： 离线计算和实时计算 推荐算法： 协同过滤算法 推荐引擎 JavaWeb网站开发 2、 推荐系统一般架构2.1、简化架构
file:///C:\Users\ADMINI~1\AppData\Local\Temp\ksohtml\wpsB388.tmp.jpg 2.2、京东推荐系统架构
file:///C:\Users\ADMINI~1\AppData\Local\Temp\ksohtml\wpsB398.tmp.jpg 2.3、淘宝推荐系统架构file:///C:\Users\ADMINI~1\AppData\Local\Temp\ksohtml\wpsB399.tmp.jpg
传智播客·黑马程序员郑州校区地址 河南省郑州市 高新区长椿路11号大学科技园（西区）东门8号楼三层 | 
收藏
淘帖
踩
