推荐系统设计过程中的10条教训
2015-12-20 15:00
260 查看
2009年ACM推荐系统大会上Strand研究人员做了一个报告”推荐系统十堂课”, 在这个报告中Strand的研究人员总结了他们设计推荐系统的经验, 提出了10条在设计推荐系统中学习到的经验和教训:
确定你真的需要推荐系统. 推荐系统只有在用户遇到信息过载时才必要. 如果你的网站物品不太多, 或者用户兴趣都比较单一, 那么也许并不需要推荐系统. 所以不要纠结于推荐系统这个词, 不要为了做推荐系统而作推荐系统, 而是应该从用户的角度出发, 设计出能够真正帮助用户发现内容的系统, 无论这个系统推荐算法是否复杂, 只要能够真正棒喝足用户, 就是一个好的系统.
确定商业目标和用户满意度之间的关系. 对用户好的推荐系统不代表商业上有用的推荐系统, 因此要首先确定用户满意的推荐系统和商业上需求的差距. 一般来说, 有些时候用户满意和商业需求并不吻合. 但是一般情况下, 用户满意度总是符合企业的长期利益, 因此这一跳的主要观点是要平衡企业的长期利益和短期利益之间的关系.
选择合适的开发人员. 一般来说, 如果是一家大公司, 应该雇佣自己的开发人员来专门进行推荐系统的开发.
忘记冷启动的问题. 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, 他们就会不断贡献新的数据.
平衡数据和苏阿凡纳之间的关系. 使用正确的用户数据对推荐系统至关重要. 对用户行为数据的深刻理解是设计好推荐系统的必要条件, 因此分析数据是设计推荐系统中最重要的部分. 数据分析决定了如图喝设计模型, 而算法只是决定了如何优化模型.
找到相关的物品很容易, 但是如何以何种方式将他们展现给用户是很困难的. 不要为了推荐而推荐.
不要浪费时间计算相似兴趣的用户, 可以直接利用社会网络
需要部队的提升算法的拓展性
选择合适的用户反馈方式
设计合理的评测系统, 时刻关注推荐系统各个方面的性能
确定你真的需要推荐系统. 推荐系统只有在用户遇到信息过载时才必要. 如果你的网站物品不太多, 或者用户兴趣都比较单一, 那么也许并不需要推荐系统. 所以不要纠结于推荐系统这个词, 不要为了做推荐系统而作推荐系统, 而是应该从用户的角度出发, 设计出能够真正帮助用户发现内容的系统, 无论这个系统推荐算法是否复杂, 只要能够真正棒喝足用户, 就是一个好的系统.
确定商业目标和用户满意度之间的关系. 对用户好的推荐系统不代表商业上有用的推荐系统, 因此要首先确定用户满意的推荐系统和商业上需求的差距. 一般来说, 有些时候用户满意和商业需求并不吻合. 但是一般情况下, 用户满意度总是符合企业的长期利益, 因此这一跳的主要观点是要平衡企业的长期利益和短期利益之间的关系.
选择合适的开发人员. 一般来说, 如果是一家大公司, 应该雇佣自己的开发人员来专门进行推荐系统的开发.
忘记冷启动的问题. 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, 他们就会不断贡献新的数据.
平衡数据和苏阿凡纳之间的关系. 使用正确的用户数据对推荐系统至关重要. 对用户行为数据的深刻理解是设计好推荐系统的必要条件, 因此分析数据是设计推荐系统中最重要的部分. 数据分析决定了如图喝设计模型, 而算法只是决定了如何优化模型.
找到相关的物品很容易, 但是如何以何种方式将他们展现给用户是很困难的. 不要为了推荐而推荐.
不要浪费时间计算相似兴趣的用户, 可以直接利用社会网络
需要部队的提升算法的拓展性
选择合适的用户反馈方式
设计合理的评测系统, 时刻关注推荐系统各个方面的性能
相关文章推荐
- 使用javax.mail实现邮件的发送
- iOS开发网络篇—多线程断点下载
- 期末总结
- html5离线储存,application cache,manifest使用体验:
- 4.Nexus按项目类型分配不同的工厂来发布不同的项目
- 在VS2013中强制IIS Express应用程序池使用经典模式
- poj 3669 Meteor Shower 【BFS】
- 锐浪报表应用系列四(说一说你不一定知道的取值方法)
- iOS开发网络篇—数据安全
- 浏览器支持与存储限制(请求文件系统)
- 推荐系统常用实验方法和主要测量指标
- Arcgis for Js之Graphiclayer扩展具体解释
- 初识缓存以及ehcache初体验
- 推荐系统中常用的27个评测指标
- linux 下载安装tomcat
- Android系列之得到各种bar
- 【杭电】[1002]A + B Problem II
- 零基础入门学习Python(15):二进制存储 pickle 和异常处理
- Python学习实践----比较字典中是否有相同键值的方法之一
- LeetCode 020 Valid Parentheses