推荐系统在房产领域的实践
采访嘉宾简介
许燕松,就职于贝壳找房,担任贝壳找房智能推荐平台负责人一职。硕士毕业于美国匹兹堡大学信息科学专业。先后就职于当当网,聚美优品负责个性化推荐系统的研发工作,有多年的推荐系统的实践经验。主要研究推荐系统领域的系统架构设计与策略算法的应用。在贝壳找房主导了智能推荐平台的架构升级与算法迭代工作。通过架构的升级大幅提升了推荐架构的灵活性与迭代效率。通过算法的多次迭代不断提升推荐的效果。
InfoQ:请您先介绍一下您的工作经历,以及您在贝壳找房所在的团队负责的工作。
许燕松:我一直从事推荐研发相关工作,已经有很多年了,在我最开始的时候是先在当当,当时是第一次接触推荐相关的工作内容。那会儿我主要负责当当的个性化PUSH还有母婴品类相关的推荐,尤其是在做母婴品类推荐的时候我还自研了一套母婴相关的单独的一个推荐策略。后来就加入到聚美优品,负责整个聚美的推荐算法和用户画像相关的工作。在聚美的这段经历让我得到了更全方面的发展,让我知道如何去hold住一个完整的推荐系统。
后来现在我又来到贝壳找房,在贝壳的这段经历让我知道如何把一个推荐系统做得更好,如何把一个相对封闭的推荐系统转变成一个智能推荐平台。这就是我主要的一些工作经历。
InfoQ:贝壳找房推荐平台都使用了哪些推荐算法和策略以提高性能?
许燕松:很多种策略,包括协同过滤的策略,基于用户画像的推荐策略,一些基于业务规则的推荐策略。这些策略本身都有各自的优缺点,我们并不是每一个场景只用一种,我们会混合着来用,这样不同策略之间就会形成互补,达到最优的一个效果。
InfoQ:贝壳找房的智能推荐系统架构和算法经过哪些重大变化和迭代?做出改变的原因是什么?
许燕松:可以说我们整个智能推荐平台是跟着贝壳找房一起发展壮大的,它主要经历了三个阶段:第一个是初创阶段,第二个阶段是快速发展阶段,第三个阶段是平台化的阶段。
每个阶段面临着不同的问题:比如说在初创阶段,这时候我们用户需要提升找房的效率,我们所收录的这些房源需要得到更好的曝光,并且这个阶段我们的数据是非常不完备的。所以在这个阶段我们主要是想快速实现推荐系统从0到1,从无到有的这么一个快速实现。所以在那个阶段没有用太复杂的推荐策略。
在快速发展阶段,随着我们的数据积累,我们加入了各种各样的个性化策略,比如我提到的基于协同过滤的推荐策略、基于用户画像的推荐策略。有了这些策略之后,我们整个推荐相当于更上了一层楼。
此外我们在平台化的阶段,我们去做了整个智能推荐平台的大升级。通过这次升级之后,可以说我们整个智能推荐平台在这个阶段就真的成为一个平台了,我们支持了快速的业务接入,以前一个业务的接入可能需要五个工作日,现在一个工作日就可以搞定了。而且在策略方面,我们加入了实时化的推荐策略,还加入了很多更为精准的推荐策略,比如说我们有LR模型做了一个精准排序。这就是整个贝壳的发展历程。
InfoQ:在不同的阶段利用了不同的策略。
许燕松:对,主要是针对当时面临的背景和不同的问题,有针对性地去解决。
InfoQ:您觉得智能推荐平台在未来还可以做哪些优化?
许燕松:因为我们叫智能推荐平台,所以第一点就是让智能推荐平台更加智能。目前我们做策略的优化都是人去做AB试验,通过AB试验的结果来不断地调整我们的策略。我们希望以后不通过人去做AB试验,通过线上的数据实时地反馈,让机器自己去学习如何去调优,这样才能真正说我们是一个智能的推荐平台。
还有就是我们想在架构上加入更复杂模型的预测,比如说WDL模型。WDL也可以在我们的算法上有很大的要求,所以我们在算法上也要做一个深耕。这就是我们未来在这块想要做的事情。
InfoQ:最后一个问题是关于产品落地,贝壳找房除了智能推荐平台之外,还有没有一些其他的策略产品落地?
许燕松:我所在的部门叫数据智能部,我们部门除了智能推荐平台还有很多其他的产品。比如说为了评估一个房源的真实价值,我们提供了一个智能估价系统,它是用来给房源进行估价的。
为了更好地提升用户体验,我们还建立了智能的客服系统,智能客服系统你去问答的时候,它可以智能地给你回答,提升了用户的问答效率。
我们还有智能图片的处理平台,主要是帮助我们解决各种各样图片相关的需求。这里面我只列举了一些比较主要的,其实还有很多其他的产品落地。
推荐系统在房产领域的实践相关推荐
- 8月6日云栖精选夜读 | 阿里云CPFS在人工智能/深度学习领域的实践
2019独角兽企业重金招聘Python工程师标准>>> AI/DL在迅速发展 随着数据量的爆发式增长和计算能力的不断提升,以及在算法上的不断突破,人工智能(AI,Artificial ...
- GAIR 2020 工业互联网专场演讲实录:腾讯云人工智能在工业互联网领域的实践
2020年8月7日-9日,第五届CCF-GAIR全球人工智能与机器人峰会于上周五正式在深圳开幕. CCF-GAIR 2020将延续过去的强大阵容,在新基建机遇下,CCF-GAIR 2020 设立了 1 ...
- 图模型在信息流推荐系统中的原理和实践
猜你喜欢 0.飞猪信息流内容推荐探索1.如何搭建一套个性化推荐系统?2.从零开始搭建创业公司后台技术栈3.全民K歌推荐系统算法.架构及后台实现4.微博推荐算法实践与机器学习平台演进5.腾讯PCG推荐系 ...
- 微众税银首席风险官许卫 :AI在金融风控领域的实践应用
10月28日FMI-2018人工智能与大数据高峰论坛深圳场圆满落幕,微众税银首席风险官许卫以AI在金融风控领域的实践应用为主题进行了精彩的分享. 微众税银首席风险官许卫 以下是许卫演讲内容,飞马网根据 ...
- 张乐:研发效能的黄金三角及需求与敏捷协作领域的实践
7月27日,ONES 研发管理大师课第一期课程正式开课啦.本期邀请的大咖讲师是腾讯 DevOps 与研发效能资深技术专家张乐老师,分享主题为<研发效能的黄金三角及需求与敏捷协作领域的实践> ...
- Java NIO 通信框架在电信领域的实践
点击上方↑↑↑"微服务蜂巢"关注我们 1. 华为电信软件技术架构演进 1.1. 电信软件 从广义上看电信软件的范围非常广,细分实际可以分为两大类:系统软件和业务应用软件. 系统软件 ...
- Java NIO通信框架在电信领域的实践
1. 华为电信软件技术架构演进 1.1. 电信软件 从广义上看电信软件的范围非常广,细分实际可以分为两大类:系统软件和业务应用软件. 系统软件包括路由器底层的信令机软件.手机操作系统等,业务应用软件主 ...
- 浅谈消防应急照明系统在建筑电气设计领域的实践
张宇然 安科瑞电气股份有限公司 上海嘉定 201801 摘要:院随着经济社会的不断发展,我国建筑电气设计的种类越来越多,为了保证建筑的使用安全,就要加强建筑中的消防应急照明系统建设,保证建筑的消防应急 ...
- 像逛淘宝一样“办政事”:阿里云在政务领域的实践
在2017云栖大会-南京峰会上,阿里云政府业务事业部部委行业总经理陈峥做了题为<阿里云在政务领域的实践>的分享.随着阿里云的不断发展壮大,已经成为深受政府所信赖的伙伴,阿里云是全球前三 / ...
- 推荐系统-经典协同过滤理论基础实践
推荐系统-经典协同过滤理论基础实践 1.协同过滤推荐方法CF简介 协同过滤CF 基于记忆的协同过滤 用户相似度的推荐 物品相似度推荐 UserCF用户协同过滤算法 ItemCF物品的协同过滤推荐算法 ...
最新文章
- R语言基础与入门实践
- 光模块问题能ping通不能路由_宽带知识小白遇到问题很苦恼?都坐下、不要慌张...
- ubuntu创建新用户名和密码以及查看删除用户
- Vue怎样新建并启动项目(图文教程详解)
- 组会PPT20201120《不同初始电子密度下ne和Te演化》
- python 模拟鼠标键盘_python之模拟鼠标键盘动作
- 汉字正字表达式解决方案
- PHP web应用的调试
- 【直通BAT】剑指Offer 经典试题整理(5)
- msdev.exe 应用程序错误的解决方法
- BLE蓝牙协议栈杂谈
- my ReadBook_liutongjingjixue / circulation economics
- PIN码-使用与解决办法
- linux内存测试工具memtest,Linux基础教程:内存测试工具(Memtest86+)
- 校园网服务器系统方案设计,校园网服务器系统项目设计方案.pdf
- 2022年linux面经必备(持续更新中)
- 网络层提供的两种服务
- 燕麦粉行业调研报告 - 市场现状分析与发展前景预测
- mysql数据库重启、登录mysql数据库、通过命令执行mysql的sql脚本等命令
- 外贸人常用的几种客户开发渠道