简介
大数据时代,给移动端设备商带来了两个新的特点:一方面,移动端设备作为一个数据的集散地 (data hub),拥有的数据往往更多、更杂,涉及的面更广,需要更多的处理能力;另一方面,移动端设备需要用到推荐系统的场景很多,如应用商店、游戏中心、音乐、阅读、O2O、Push平台等等。如何寻找一种通用的解决方案,利用好这些数据,准确把握并预测用户需求,不断提升用户体验的同时也能保证推荐系统的性能满足要求,这是一个有意思且具挑战性的任务。 本话题将介绍推荐系统是如何从数据埋点、数据清洗、特征融合到推荐算法架构等方面的创新与探索,重点讲述了如何利用移动设备上数据的特点,打造高性能推荐算法的过程。
课程时长
1天(6H)
分享提纲
全网舆情分析系统 | 1.1 全网舆情分析系统的项目背景 1.2 设备厂商对全网舆情系统的典型需求 1.3 全网舆情分析系统的技术架构 1.3.1 数据采集/爬虫技术 1.3.2 数据提取、预处理 1.3.3 文本分析 1.3.4 分析数据展现 1.4 关键技术 1.4.1 敏感点、热点分析技术 1.4.2 情感分析技术 |
推荐系统 | 2.1 移动设备商数据的特点 2.2 移动设备上的需求挑战 2.2.1 通用性、可扩展性 2.3 两大功能需求 2.3.1 相关推荐 2.3.2 个性化推荐 2.4 魅族相关推荐算法 2.5 魅族个性化推荐 2.6 终端设备商做好推荐系统的经验 |