| 失效链接处理 |
|
阿里巴巴大数据及AI实战 PDF 下载
本站整理下载：
提取码：gyd3
相关截图：
主要内容：
简介：如今，推荐系统已经成为各大电商平台的重要流量入口，谁才能够做到比
用户更懂用户，谁占据了新零售时代的主动权。手机淘宝的推荐更是淘宝最大的流量
入口和最大的成交渠道之一，其背后是最为复杂的业务形态和最复杂的场景技术，那
么究竟如何打造手淘背后的推荐系统呢？本次首席技术官大数据专享会上，阿里巴巴
搜索推荐事业部资深算法专家欧文武（三桐）为大家解密了淘宝的推荐实战。
手淘推荐简介
手淘推荐的快速发展源于 2014 年阿里“All in 无线”战略的提出。在无线时代，
手机屏幕变小，用户无法同时浏览多个视窗，交互变得困难，在这样的情况下，手淘
借助个性化推荐来提升用户在无线端的浏览效率。经过近几年的发展，推荐已经成为
手淘上面最大的流量入口，每天服务数亿用户，成交量仅次于搜索，成为了手淘成交
量第二大入口。
6 > 解密淘宝推荐实战，打造 “比你还懂你” 的个性化 APP
今天的推荐不仅仅包含商品，还包含了直播、店铺、品牌、UGC，PGC 等，手
淘整体的推荐物种十分丰富，目前手淘的整体推荐场景有上百个。推荐与搜索不同，
搜索中用户可以主动表达需求，推荐很少和用户主动互动，或者和用户互动的是后台
的算法模型，所以推荐从诞生开始就是大数据 +AI 的产品。
手淘推荐特点
相比于其他推荐产品，手淘推荐也有自身的如下特点：
1. 购物决策周期：手淘推荐的主要价值是挖掘用户潜在需求和帮助用户购买决
策，用户的购物决策周期比较长，需要经历需求发现 , 信息获取，商品对比
和下单决策的过程，电商推荐系统需要根据用户购物状态来做出推荐决策。
2. 时效性：我们一生会在淘宝购买很多东西，但是这些需求通常是低频和只在
很短的时间窗口有效，比如手机 1~2 才买一次但决策周期只有几小时到几
天，因此需要非常强的时效性，需要快速地感知和捕获用户的实时兴趣和探
索未知需求 , 因此，推荐诞生之初就与 Flink、Blink 实时计算关系非常紧密。
3. 人群结构复杂：手淘中会存在未登录用户、新用户、低活用户以及流式用户
等，因此需要制定差异化的推荐策略，并且针对性地优推荐模型。
4. 多场景：手淘推荐覆盖了几百个场景，每个场景都独立进行优化显然是不可
能的，而且每个场景的条件不同，因此超参也必然不同，无法依靠人工逐个
优化场景模型的参数，因此需要在模型之间进行迁移学习以及自动的超参学
习等，通过头部场景的迁移学习来服务好尾部场景。
5. 多目标和多物种。
解密淘宝推荐实战，打造 “比你还懂你” 的个性化 APP < 7
推荐技术框架
如下图所示的是手淘推荐的技术框架。2019 年双 11，整个阿里巴巴的业务全部
实现上云，因此手淘推荐的技术架构也是生长在云上的。推荐的 A-B-C 包括了推荐
算法和模型、原始日志和基于日志加工出来的特征和离在线计算及服务能力，比如向
量检索、机器学习平台、在线排序服务等。除了云，今年我们通过把深度学习模型部
署到了端上，实现了云和端的协同计算。
8 > 解密淘宝推荐实战，打造 “比你还懂你” 的个性化 APP
接下来将主要围绕数据、基础设施以及算法模型进行介绍。
数据 - 基础数据
手淘的推荐数据主要包括几种，即描述型数据比如用户画像 , 关系数据比如二部
图或稀疏矩阵 , 行为序列和图数据等。基于用户行为序列推荐模型在手淘商品推荐应
用最为广泛，图模型则是近两年发展较快的模型，因为序列通常只适合于同构的数
据，而在手淘里面，用户的行为有很多种，比如看视频、搜索关键词等，通过 graph
embedding 等技术可以将异构图数据对齐或做特征融合。
数据 - 样本
数据样本主要包含两部分元素，label 和特征。label 一般在手淘推荐中有几类，
比如曝光、点击、成交以及加购等。特征则比较多了，比如用户自己的特征、用户上
下文特征、商品本身特征以及两两组合特征等。根据用户的特征和行为日志做 Join
就形成样本表，这些表格存储的时候就是按照稀疏矩阵方式进行存储，一般而言是按
天或者按照时间片段形成表格，样本生成需要占用很大一部分离线计算资源。
解密淘宝推荐实战，打造 “比你还懂你” 的个性化 APP < 9
离线计算 - 计算模式
离线计算主要有三种模式，即批处理、流处理和交互式查询。批处理中比较典型
的就是 MapReduce，其特点是延迟高但并行能力强，适合数据离线处理，比如小时
/ 天级别特征计算，样本处理和离线报表等。流计算的特点是数据延迟低，因此非常
适合进行事件处理，比如用户实时点击，实时偏好预测，在线学习的实时样本处理和
实时报表等。交互式查询则主要用于进行数据可视化和报表分析。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
