京東購(gòu)物在微信等場(chǎng)景下的算法應(yīng)用實(shí)踐此次分享的是以WQ（微信手Q）購(gòu)物智能推薦系統(tǒng)介紹智能推薦算法在實(shí)際中的應(yīng)用，WQWQWQWQ大數(shù)據(jù)平臺(tái)如何搭建。通過(guò)這次講解讓大家對(duì)推薦系統(tǒng)搭建流程有個(gè)初步了解，使大家能夠在3-5天時(shí)間里通過(guò)這種開(kāi)源框架搭建一個(gè)自己的小型推薦系統(tǒng)。WQ個(gè)性化推薦在微信購(gòu)物界面體現(xiàn)的方方面面，主要有關(guān)鍵詞推薦（新用戶(hù)主要通過(guò)上則+推薦）的下單轉(zhuǎn)化率提升為200%-400%，隨著時(shí)間略有波動(dòng)，熱搜詞采用插件式接入（加載js插件，依據(jù)你頁(yè)面上下文，類(lèi)目進(jìn)行熱搜詞推薦），簡(jiǎn)單易用；智能賣(mài)場(chǎng)由原先ABCABC讓模型訓(xùn)練算法，其響應(yīng)時(shí)間一般是限度控制在300-500毫秒。WQ推薦系統(tǒng)平臺(tái)架構(gòu)如下所示，依據(jù)架構(gòu)依據(jù)相關(guān)開(kāi)源軟件能夠3-5天搭建一個(gè)推薦系都要做A/Btext；接入后要做推薦引擎，我們分為三層：為召回策略（添加條件，選擇最法訓(xùn)練，我們的實(shí)時(shí)用的是Spark，離線(xiàn)用的是Hadoop，用CM做集成，用Sklearn/TensorFlow做離線(xiàn)分析，對(duì)于大賬號(hào)推送用全站數(shù)據(jù)（京東大數(shù)據(jù)平臺(tái)）比WQ擇快速上線(xiàn)算法是熱度和IOR算法。智能接入：由于平臺(tái)多，通過(guò)物料、用戶(hù)、平臺(tái)判斷基于群體特征，重排命中也能很好提升效率，EE接下來(lái)講一下模型，我們的推薦模型就是解決GMV（成交）最大化、CTR*CVR最大化、CTR（首頁(yè)、中間頁(yè)引流，最容易，點(diǎn)擊轉(zhuǎn)化率）核心是“他點(diǎn)的”/“他看的”。控，這時(shí)考慮CTR*CVR模型，提升轉(zhuǎn)化率，主要考慮物料、用戶(hù)以及上下文場(chǎng)景。在算法里面對(duì)我們比較受益的是機(jī)器學(xué)習(xí)軍規(guī)，做C++或前端時(shí)有雅虎軍規(guī)、effective95分，我們做好了這些也有80分。接下來(lái)簡(jiǎn)單介紹下用戶(hù)畫(huà)像，做推薦時(shí)你首先要知道用戶(hù)是誰(shuí)，如果你只用cookieWQ數(shù)據(jù)和自己收集數(shù)據(jù)以及全站數(shù)據(jù)，這些數(shù)據(jù)整個(gè)融合而做的一個(gè)用戶(hù)畫(huà)像。Hadoop（MapReduceHDFSUI）HadoopV2