推荐算法
2017-02-07 18:32:27 0 举报
推荐算法是一种利用用户历史行为数据和物品信息，为用户提供个性化推荐的技术。它通过分析用户的兴趣偏好、购买行为等数据，挖掘出用户的潜在需求，并将相似兴趣的物品或内容推荐给用户。推荐算法可以分为基于内容的推荐、协同过滤推荐、混合推荐等多种类型。它们可以根据不同场景和业务需求进行灵活组合和应用，帮助企业提高销售额、增加用户粘性和提升用户体验。
作者其他创作
大纲/内容
否
情况1：当该类别下所有收费课程都已被推荐，则用“推荐”分类里权重最高的收费课程补位。情况2：若该课程也被推荐过，则继续选取权重次之的收费课程。情况3：若推荐分类不再有收费课程可以推荐，则展示默认推荐。
课程A3
是否有浏览行为
特殊情况
同A1
重新选取
推荐
课程A1
是
算法2----确认该方向上最值得推荐的课程
情况1：当该类别下所有免费课程都已被推荐，则用“推荐”分类里权重最高的免费课程补位。情况2：若该课程也被推荐过，则继续选取权重次之的免费课程。情况3：若推荐分类不再有免费课程可以推荐，则展示默认推荐。
计算相关值（b）
若b值相同，取权重最大
收费堆
免费课程B1
免费堆
设定一个兴趣值a=a1+a2+a3+a4+a5+...，a值越大，越感兴趣a1=收听次数*0.1（影响系数）a2=收藏次数*0.3a3=点赞次数*0.1...影响系数相加总和为1，若修改影响系数，a值重新计算。保证影响系数可灵活调整。影响系数由运营确认。
剔除，选取b值次之的课程补位
情况4：若推荐的课程，48小时内未购买或未加入购物车，则用“推荐”分类里的最新收费课程补位。
是否收听
按兴趣值排列，取a值最大的前3个课程
是否购买或者加入购物车
情况4：若推荐的课程，48小时内未收听，则用“推荐”分类里的最新免费课程补位。
浏览行为：收听、点赞、收藏、下载、分享
若a值相同，取权重最大
算法1----确认用户感兴趣的方向
分别从免费堆和收费堆里计算一次，取b值最大的课程
说明：根据这套算法，可以得到6个不同的课程。3个免费课程，3个收费课程。首页推荐3个免费，1个收费。
课程A2
计算兴趣值(a)
用户
后台默认推荐
收费课程B2
0 条评论
回复 删除
下一页
