解读京东推荐系统之个性化推荐

电子商务推荐系统以收集到的用户信息、产品信息和用户画像分类作为系统输入，采用适当的推荐算法和推荐方法，根据平台设定的个性化程度和信息发送方式，为用户提供个性化的产品推荐。用户。今天凯淘小编就来给大家讲解一下京东的推荐系统！

专业人士表示，一个完整的推荐系统一般由四个部分组成。按照采集分析推荐的步骤，用户行为记录模块收集用户信息，分析模型模块分析用户偏好，产品分析模块和推荐算法模块分析产品特性。

用户行为记录模块负责收集反映用户偏好的行为，如浏览、购买、评论、京东问答等；用户行为分析模块通过用户行为记录分析用户的潜在偏好和对产品的喜欢程度，建立用户偏好模型；产品分析模块主要分析产品相似度、产品匹配度、目标用户标签；推荐算法按照一定的规则从备选产品集合中选择目标用户最有可能感兴趣的产品并进行推荐。

根据用户特征（性别、年龄、地域等）、消费行为习惯（浏览、购买、评论、问答等）等信息抽象出用户画像，建立带标签的用户模型。构建用户画像的核心工作是给用户贴上“标签”，标签是通过分析用户行为记录得到的高度精细化的特征标识。推荐系统的难度很大一部分在于积累用户画像的过程极其困难。

其次，用户画像与业务本身密切相关。当用户标签足够丰富、数量足够多时，就可以对用户进行聚类。例如，可以用A/B/C/D等四种典型的用户画像来代表商场的目标用户。新用户也可以分为这些典型用户。在肖像中。

产品分析模块主要根据产品品类品牌、产品属性、产品评论、库存、销售记录、订单数据、浏览集合、价格等数据，分析产品相似度和产品匹配度（可手动调整），并在产品上进行标签标注。目标用户标签。

用户画像和产品分析模块的数据为推荐算法提供基础数据。产品推荐的算法有很多，模型需要根据推荐结果的反馈不断优化。有时候还需要考虑人为因素的权重，比如京东自营商品排名第一，评分高的店铺优先推荐等等。推荐的时候还会用到一些特别推荐：购买过的顾客该产品也同时购买了，顾客看到该产品后购买的其他产品，以及经常一起购买的产品都是基于该产品的推荐。

如果完全根据用户行为数据进行推荐，则推荐结果的候选集将始终在一个相对较小的范围内。在保证推荐结果相对准确的前提下，应遵循一定的策略，逐步拓宽推荐结果的范围。赋予推荐结果一定的多样性。