1.神策推荐用了哪些召回方式?

神策推荐支持多种召回方式:

基于用户历史行为行为的深度学习模型召回

基于兴趣标签做召回。比如推荐系统判断用户对股票、体育标签感兴趣,就会基于股票和体育标签做召回

基于自然语言处理做召回。比如看一篇文章,基于自然语言召回与当前文章相关的文章

基于热门、最新、编辑精选做召回

2.神策推荐用了哪些排序模型?

神策推荐支持多种排序模型:

GBDT+LR(梯度提升决策树加逻辑回归)

Wide&Deep(深度神经网络)

DeepFM

工业界用的比较多的是LR模型,我们可以基于深度学习模型和不同模型组合做推荐,排序效果更佳。

3.如何解决新用户冷启动问题?

神策推荐解决用户冷启动有多种方法:

采用热门,最新,编辑精选等召回方法

采用 UCB 兴趣探索算法,快速探索用户感兴趣的内容

如果客户能够提供自建或第三方用户画像,也能够提供给我们用作用户冷启动

4.需要采集哪些行为数据用于推荐?

通常需要采集的用户行为:物品曝光,物品点击,物品浏览,以及其他能够反映用户对物品偏好的行为(例如收藏、分享、评论、关注等)

5.需要同步哪些物品属性用于推荐?

所需同步的物品字段包含必须字段和可选字段:

物品 ID( item_id )、物品名称( title )、物品种类( item_type )、物品分类( category )、物品发布时间( publish_time )、物品权重( weight )、物品是否可被推荐( is_recommendation ),都为必须字段

如果有其他物品相关的属性,也可以同步