现在做电影推荐系统最合适架构是什么样的?如果要实现实时推荐该如何架构?

目前想到的就是基于电影评分的高低进行推荐,还有根据用户日志的访问行为进行推荐,另外推荐算法想设计混合推荐算法,是协同过滤基于物和基于用户这俩个,另外还想加入基于图的推荐,将这三个进行整合做一个推荐算法,各位专家请指点一下,谢谢,有什么好的建议么???大作业里的日志统计和电影评分都可以直接类似的做么?

Eric_Jiang - 我是小象的搬运工!!!

赞同来自: @CrazyChao fish 邹博

说到电影推荐,最好的最出名的也就是netflix。这个是他的主页,我等不上去,没有翻墙,我从图片里找到的跟我记忆中没有区别。当然这个只是部分,不全.
1.png
主页也上会包括Top -N popular  ,你连接了facebook 甚至为你推荐facebook好友评分高的电影,还有因为你看过为你推荐的,猜你喜欢,相似度推荐。各种各样的推荐。 我觉得netflix 做的和pinterest的推荐很类似的。瀑布流的形式。算法上肯定会有些优化,不过最重要的使他们对用户画像做的好,对影片分类精确,GENE 这是他们的核心。 基于电影评分的高低进行推荐,是最常见的,KDDCUP获胜团队 BPC 的算法的高明之处在于考察了用户评级数据中的时间和“频率”,用户在为影片打分时往往带有情绪影响,而情绪是与时间有关的。 根据用户日志的访问行为进行推荐这其实也就构建完善的用户画像,基于图的推荐应该是好友链 ,通过facebook好友的浏览记录推荐。 你前期基础数据是最宝贵的。电影分类不是分为恐怖 惊悚就够了,题材 类型 主题 年代 参考下netflix的电影标签。用户的画像数据也是必不可少的。  

Eric_Jiang - 我是小象的搬运工!!!

赞同来自: 邹博 王景隆 不带毛的兔子

你的这个问题其实真心不好回答,你的这个几乎是现在国内的电商都想做到的。其实出了京东图书模仿亚马逊用了关联规则加给予物品的协同过滤还不错(其他产品没注意过)。其他的推荐真心渣!我对Facebook使用不多他的社交推荐也没感觉,感触最深的就是Pinterest了,他主页的推荐做的真心好,也就是靠主页现在已经是要赶超Google+了,增长速度已经赶超了,而且依靠家庭妇女的力量。没有用特别的算法,就是逻辑回归,gbdt 支持向量机 CNN 。Cnn多么实用!而且Netflix现在准备再次开展比赛!因为时间关系我就不整理实验了,我找了些Netflix的相关介绍和代码!这个是架构的中文概述,http://www.infoq.com/cn/news/2 ... cture 这个是Netflix 官方博客http://techblog.netflix.com/20 ... m%3D1 这个是代码 https://zm8.sm-tc.cn/%3Fsrc%3D ... rsvpi 这个是Netflix人写的关于推荐的博文翻译http://m.blog.csdn.net/article/details?id=7696578 这个是吴金龙博士关于推荐的博士论文http://m.panduoduo.net/r/11459384

Eric_Jiang - 我是小象的搬运工!!!

赞同来自: 邹博

http://blog.csdn.net/er8cjiang/article/details/50907108  这个是我翻译的pinterest主页的推荐。 http://blog.csdn.net/er8cjiang/article/details/50907121  这个是kafka 提出的他的流处理方法。参考下

要回复问题请先登录注册