京东基于大数据和个性化推荐算法，实现了向不同用户展示不同的内容的效果，在PC端和移动端都已经为京东贡献了10%的订单。为了探索京东全品类平台“千人千面”背后的算法奥妙，CSDN记者采访了推荐搜索部总监刘尚堃。

在信息过剩的互联网时代，个性化推荐技术对于互联网公司运营的重要性自不待言。本文要谈的是京东商城最新的推荐系统。京东已经在新版首页上线了“今日推荐”和“猜你喜欢”两项功能，基于大数据和个性化推荐算法，实现了向不同用户展示不同的内容的效果（俗称“千人千面”），该系统目前在PC端和移动端都已经为京东贡献了10%的订单。为了探索京东全品类平台“千人千面”背后的算法奥妙，CSDN记者采访了推荐搜索部总监刘尚堃。

京东推荐系统三部曲

总体而言，京东推荐算法的步骤并不神秘，无非是建立召回模型——召回模型效率分析——排序模型三步。但这并不意味着每一步的具体实现都是简单的事情。刘尚堃对此做了详细的解析。

召回模型

召回模型，即候选集的获取，大体从基于用户历史行为的召回、基于用户偏好的召回、基于地域的召回三个维度来实现。

基于行为的召回，根据用户购买行为推荐相关/相似的商品。大家都知道根据用户的浏览记录推荐相似商品，但京东更进一步地把购买行为视为一个重要的分界线，当用户已购买某个商品，京东会根据商品种类和用途选择推荐相关/相似的商品，而不是没玩没了地重复推荐，比如为Kindle买家推荐Kindle保护套而不是Kindle。当然，对于如肥皂、洗发水之类的日用品，会根据一个购买周期来再次推荐。

基于用户偏好的召回包括了两个重要的元素：用户画像和多屏互通。结合商品品牌、适用人群、价格指数以及用户对商品的点击、购买、关注和收藏等行为，京东对用户进行画像，从而确定可以长期推荐的品类。针对移动时代的购物新习惯，京东还注意到了根据用户ID及MEI等信息融合不同的终端的数据，包括PC端、移动APP、微信和手Q，从而做到更加精准的画像。当然，在最终的内容展示上，会根据终端的差异选择不同的展示结果。

基于地域的召回，把整个地图划分多个网格运用数据统计结果。以北京为例，三里屯地区用户更感兴趣的商品是扑克牌、水等，中低端小学校的数据主要集中在袜子、晾衣架等等。基于地域的召回主要用于在京东用户行为比较时候少的新用户。

召回模型效率分析

具体的技术实现，三类模型当然会包含多个子模型，例如在线相关，在线相似，离线相关，离线相似，近期热销品牌品类等，都加入到模型当中。那么问题来了：对某个具体的用户，到底要使用哪个模型？这就涉及到模型效率分析。评判某个模型效率的高低，主要是看该模型带来的点击率、转发率、GMV等。

刘尚堃给出了一个重要的结论：基于用户实时行为建立的模型，它的效率更高一些，比如说在线相关的产品和在线相似的推荐。为了达到更好的效果，京东采用了多个模型融合的算法，而不是使用单一模型去做。刘尚堃表示，合适的模型组合在一起，总体效率可以达到最高。如果某个模型效率较低，它就会只占据较小的流量，实现总体流量价值最大化。当然，是针对不同的人采用不同的模型组合。

效率提升主要来自最近尝试的两个模型：最近点击和最近关注的商品模型，和加入购物车的商品模型。前者是指将最近浏览过的商品推荐到首页，后者是将放入购物车未购买的商品推荐给用户，实验的结果，转化率的提升分别达到了100%和5%-10%。

排序模型

在模型融合的基础上，京东还进行排序学习，推荐排序的问题转化为分类的问题去实现，即从用户的交互日志中通过模型训练特征权重，再通过L2R排序学习算法来改进，转化率又获得了20%的提升。

刘尚堃透露，京东推荐搜索部也有过包括逻辑回归在内的多种尝试，包括Vowpal Wabbit（VW）、排序学习、PMI等等，但逻辑回归算法只有1%的提升，而排序学习有20%的提升。

每周迭代7个新算法的架构

不管是模型本身优化的需求，抑或因为用户偏好随着时间或条件变化，持续的迭代都是必不可少的，也就是说特征的增加、修改或者不同的组合，这些工作几乎都是常态。事实上，京东平均每周就有7个新的算法实验上线。这需要一个很好的推荐架构来支持算法的高速迭代。基于HBase、Storm、Spark以及MapReduce等，京东搭建了自己的推荐架构，具体如下图所示：

刘尚堃认为，Spark分布式计算框架对大数据的支持好，效率高，同时提供了不断改进的MLlib机器学习库，对协同过滤等常用于推荐系统的机器学习算法支持很好，使用起来很方便。

经验与未来优化

由于个性化首页产品上线还不到一个月，刘尚堃相信，当前推荐位的情况下，还有提升40%-50%的提升空间。

整体来看，京东推荐系统的主要经验如下：

积累更多、更新的数据支持迭代。京东具有庞大的用户量和全品类的商品，能够根据用户浏览、点击、购买、评论数据以及品牌、品类、描述等商品自身的数据的积累，分别做基于用户和基于商品的协同过滤，更精确地进行个性化推荐。为了与时俱进，京东不仅做多屏互通，还正在规划与腾讯合作获取一些关系数据，包括针对微信朋友圈数据挖掘出不同用户的偏好，并将其作用到推荐结果中来。

开源工具的利用。比如实时行为模型的利用、排序算法的实现，都离不开Spark的支持。此外，京东也会基于一些开源算法针对自身业务场景做一些修改，来实现更好的推荐效果。

效率是评判推荐模型的标准。例如逻辑回归，本来被寄予厚望，却效果不佳；本来不屑一顾的最近点击和最近关注模型，反而能实现100%的转化提升。这里补充说明：京东评判模型效率采用了先验和后验结合的方式，先验是用一些排序预测算法去预测模型，得到一个最佳模型组合的方案，配备给每个用户，后验即基于更精细化的模型效率分析，找出能够提升效率的最佳模型。

深度学习是未来推荐的方向。特征的选择仍然是难点。特征选择、特征提取对机器学习而言都是大课题，而机器学习又是模型排序与融合从而持续提升转化率的关键。很自然地，排序特征的丰富是京东未来迭代优化的一个主要方向。

刘尚堃表示，将京东正在研发的DNN深度学习技术应用于排序是未来要做的事情，当然，还有用于线性低维空间模型的逻辑回归，预计提升5%转化率。据我们了解，京东DNN Lab的研究成果已经目前应用于京东智能客服机器人。