关键词：
从0开始做互联网推荐【产品+算法+实现】
一、58转转简介
58旗下真实个人闲置物品交易平台
二、从0开始设计推荐产品框架
（1）首页推荐：提取用户画像，根据线下提取出的用户年龄、性别、品类偏好等在首页综合推荐宝贝
（2）宝贝详情页推荐：买了还买，看了还看类的关联宝贝推荐
（3）附近推荐：和首页推荐的差异在于，提高了地理位置的权重，地理位置不仅要包含当前地理位置，还需要包含常见活跃区域，例如家里、公司等
（4）搜索推荐：除了关键词全匹配，要考虑同义词、近义词、易错词、拼音等推荐，产品层面，提示“你是不是想找xxoo宝贝”
（5）召回推荐：在用户退出系统后，通过RFM模型做优惠券推送或者消息推送做客户挽留与召回
TIPS：什么是RFM模型？
RFM模型：根据用户最近一次购买时间Recency，最近一段时间的购买频度Frequency，最近一段时间的购买金额Monetary，加权得到的一个代表用户成交意愿的一个分值。
三、从0开始进行推荐策略实现
【用户画像】
根据用户填写的资料、用户历史行为（购买、收藏、喜欢、分享、评论、浏览等行为）、微信背后的用户画像，得到用户的特性画像：
年龄段 -> 推荐母婴、3C用品？
性别 -> 推荐母婴、美容保健用品？
手机型号 -> 推荐手机
活跃时间 -> 在这个时间段推送消息
品类偏好 -> 相关品类推荐
地域 -> 附近推荐
…
【如何构建画像】
（1）读取用户安装的应用程序列表构建画像
装有滴滴用户端 -> 没有车
装有滴滴司机端 -> 有车
装有CSDN -> 男性
装有美柚、美颜APP -> 女性
…
（2）用户行为日志
启动日志 -> 获取活跃时段
经纬度 -> 获取活跃地域
购买、收藏、喜欢、分享、评论、浏览-> 获取品类偏好
第三方数据 -> 完善用户画像
【宝贝画像】
58转转的宝贝都是非结构化的数据，比较难做统一的宝贝画像，只能细分品类的做宝贝画像，例如手机画像等。
【如何构建宝贝画像】
对于58转转来说，要做宝贝画像必须细分类别，可以分词词频统计配合人工review的方式画像，以鞋为例，画像可能为
单鞋
纯牛皮
尺码
适合春秋穿
女鞋
价格及变动
包邮
【标签化与个性化推荐】
画像完成之后，如何对用户进行宝贝推荐呢？
（1）给用户和宝贝画像完毕之后，要将每一个用户和每一个宝贝打上标签TAG
（2）统计用户uid所有购买、收藏、喜欢、分享、评论、浏览的所有宝贝ID集合set<bb-id>
（3）统计这些宝贝ID所有对应的TAG，使用加权打分的方式，可以根据频次统计出对各TAG的喜好程度
（4）对于所有宝贝，根据uid对各TAG的喜好程度，使用加权打分的方式，可以统计出对各宝贝的喜好程度
（5）排除已经购买、收藏、喜欢、分享、评论、浏览过的宝贝，其他宝贝按照打分高低推荐即可
（6）搜索推荐需要加上“搜索条件”，附件推荐需要加强“附近权重”
需要注意的是，个性化推荐的准确性，一定程度上依赖于历史行为数据的收集，对于新用户，在缺乏历史行为积累时，可以推荐“热度最高”的宝贝，未来再根据其历史行为，不断增强推荐的准确率。
【分类预测推荐】
一个用户对一个宝贝是否进行购买，可以抽象成一个0和1的分类问题，也可以抽象成一个购买概率的数学问题，可以构造分类模型来计算用户对每个宝贝的购买概率，将概率最高的作为推荐的宝贝。
为了实现分类预测推荐，需要：
（1）准备训练数据集，包含用户、宝贝、用户是否购买了宝贝等历史数据，需要注意的是，数据集应当覆盖尽可能多的用户（要包含所有TAG）和宝贝（要包含所有分类及TAG）
（2）构造训练分类模型
（3）根据模型训练的结果，计算每一个用户对每一个宝贝某买的概率
（4）按照概率排序，对宝贝进行推荐
【协同过滤推荐】
协同过滤，用过的人都知道，不一定效果最好，但几乎适用于所有的业务场景：当向用户A做协同过滤推荐时，可以先找到和他兴趣相似的用户群体G，然后把G喜欢的、并且A没有点击过的宝贝推荐给A，这就是基于用户的协同过滤。
为了实现系统过滤推荐，需要：
（1）准备训练数据集，根据每个用户对每个宝贝的喜好，构建喜好矩阵（这是一个非常稀疏的矩阵），根据用户对宝贝购买、收藏、喜欢、分享、评论、浏览的行为量化这个喜好
（2）构造系统过滤训练模型
（3）针对每一个用户，根据模型给出其喜好宝贝列表
在做协调过滤推荐时需要注意，较新的宝贝，由于大部分人都没有相关喜好数据，所以使用协同过滤推荐时，新宝贝比较难被推荐上去，这是协同过滤的缺点，需要综合其他推荐策略来解决。
以上内容均来自微信公众号“架构师之路”胡剑老师的文章，欢迎关注。
架构实践(转)
1. 从0开始做互联网推荐-以58转转为例 1）从0开始设计推荐产品框架 （1）首页推荐：提取用户画像，根据线下提取出的用户年龄、性别、品类偏好等在首页综合推荐宝贝 （2）宝贝... 查看详情
今日头条&58转转笔试
昨天参加今日头条和58转转的笔试，因为时间上有冲突，所以主要选择参加头条的笔试。 先说头条： 头条的题型：一道改错题三道编程题一道设计题 感受：做题目的的时候还是有点紧张的，因为突然遇到题目需要思... 查看详情
推荐算法简介
...系统实践》和《推荐系统与深度学习》。推荐系统是目前互联网世界最常见的智能产品形式。从电子商务、音乐视频网站，到作为互联网经济支柱的在线广告和新颖的在线应用推荐，到处都有推荐系统的身影。推荐算法是推荐系... 查看详情
stm32-hal库-timx学习
...器从 0 计数到自动重载值，然后重新从 0 开始计数并生成计数器上溢事件。 递减计数模式：计数器从自动重载值开始递减到 0，然后重新从自动重载值开始计数并生成计数器下溢事件。 中心对齐模式：... 查看详情
深入浅出推荐系统：推荐系统基本架构
...体介绍，不涉及过多技术细节问题。推荐系统简史在互联网信息爆炸的今天，推荐系统是我们身边一个无法躲避存在。在淘宝上浏览商品，在抖音上刷视频，以及无处不在的小广告…可以说，只要你开始上网... 查看详情
无私分享：从入门到精通asp.netmvc从0开始，一起搭框架做项目（11）文件管理
声明：本系列为原创，分享本人现用框架，未经本人同意，禁止转载！http://yuangang.cnblogs.com希望大家好好一步一步做，所有的技术和项目，都毫无保留的提供，希望大家能自己跟着做一套，还有，请大家放心，只要大家喜欢，有... 查看详情
Angular Cli 警告：不推荐使用选项“entryComponent”：从带有 Ivy 的 9.0.0 版开始，不再需要 entryComponents
】AngularCli警告：不推荐使用选项“entryComponent”：从带有Ivy的9.0.0版开始，不再需要entryComponents【英文标题】：AngularCliWarning:Option"entryComponent"isdeprecated:Sinceversion9.0.0withIvy,entryComponentsisnolongernecessary【发布时间】：2021-02-251 查看详情
从0开始设计一个物联网网关
什么是工业物联网网关工业物联网网关是连接工业场景本地设备(如PLC、扫码枪、机器人、数控机床等)与远端业务系统(如SCADA系统、MES系统等)之间的硬件设备或软件程序。终端设备和远端业务系统之间的所有数据通信都通过工业... 查看详情
从0开始搭建编程框架——插件(代码片段)
我将插件设计为两种类型。一种是框架自身携带的插件，用于增强其基础能力。一种是用户自定义插件，用于完成业务。本文将分别介绍在peleus框架下，这两种插件该怎么写。（转载请指明出于breaksoftware的c... 查看详情
转转北京二手物品抓取
说实话在0基础的情况下自己学习python确实有点吃力，可能是我笨了吧，废话不说上代码1抓取各栏目的链接frombs4importBeautifulSoupimportrequestsstart_url=‘http://bj.58.com/sale.shtml‘url_host=‘http://bj.58.com‘defget_channel_urls(url):web_data=requests 查看详情
从0开始学大数据-java基础开篇
...年，这一年人才市场发生了巨大的变化，经历了O2O、P2P、互联网+、共享经济、大数据、AI和区块链等，互联网行业的各大公司也都走在风口浪尖，不断的寻求突破。传统企业更加不在话下， 查看详情
工程师如何从技术转型做管理
...0c;距离退休，只剩3年了！”这句话用来形容2019年互联网行业最适合不过了。从2018年开始，大大小小的互联网公司开始了不止一轮的裁员，2019年网上开始充斥一类文章，专门写互联网公司超过35岁的人，如... 查看详情
电商运营的剁手套路
...路一切，都要从运营的重要性开始聊……一、重运营，是互联网发展的必然互联网从起源到现在，经历了怎样的趋势变化？若仅看国内的互联网发展历史，从产品发展策略的角度，我们可以发现一些关键的节点存在。电商运营：... 查看详情
数字序列中某一位的数字(代码片段)
...按照0123456789101112131415161718192021…的顺序排列。第5位（从0开始计数）为5，第13位为1，第19位为4……求任意第n位对应的数字。思路：直观方法做枚举。每枚举一个数字的时候，求出该数字是几位数，并把数字的位数和前面的所有... 查看详情
短视频自媒体实操经验分享,原来赚钱就这么简单！
从去年开始，由一条、二更等短视频自媒体开始崛起，短视频的红利期到来了。大家想通过做短视频搬运工想赚钱，要懂得讨好平台和读者。了解平台的游戏规则和网民内心的真实需求，只有这样才能获得平台更多的推荐和网民... 查看详情
如何做好流量增长？
如今，移动互联网经过几年的厮杀，已经由原来的蓝海变成了一片红海。早先的流量红利早以不再，获取用户的成本变得越来越高。面对这样的情况企业应该如何做才能降低成本获客呢？这也催生了首席增长官（CGO：）、增长黑... 查看详情
建设tidb自动化平台：转转dba团队实践
...f0c;见证了TiDB的发展，自身也沉淀了不少经验。从1.0GA开始测试，到2.0GA正式投产，然后升级到了2.1，后来又升级到4.0.13，最后建设自动化平台。其实转转DBA团队初建以来就开始投入一定的资源进行平台建设ÿ... 查看详情
深度学习——推荐算法基础原理
摘要互联网和信息计算的快速发展，衍生了海量的数据，我们已经进入了一个信息爆炸的时代，每时每刻都有海量信息产生，然而这些信息并不全是个人所关心的，用户从大量的信息中寻找对自己有用的信息也变得越来越困难。... 查看详情