京东商品推荐系统

京东商品推荐系统

            个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，京东商品推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助京东为其顾客购物提供完全个性化的决策支持和信息服务，通过协同过滤算法，分析用户行为，为用户推荐商品。

 协同过滤算法：

  1.基于用户的协同过滤

   基于UserCF的基本思想：基于用户对物品的偏好，找到相邻邻居用户

    ，然后将邻居用户喜欢的推荐给当前用户 

     

  2.基于商品的协同过滤

           通过用户对不同item的评分来评测item之间的相似性，基于

           item之间的相似性做出推荐

推荐系统指标设计：

            推荐算法选型：基于物品的协同过滤算法ItemCF，并行实现

             数据量:基于hadoop架构，支持GB,TB,PB级数据量

             算法检验：通过准确率，召回率，覆盖率，流行度等指标评判

             结果解读：通过itemCF的定义，合理给出结果解释

技术架构：hadoop mapreduce  Mahout 

算法模型：算法的思想

  1.建立物品的同现矩阵

  2.建立用户对物品的评分矩阵

  3.矩阵计算推荐结果