某电商网站首页有猜你喜欢推荐位,该推荐位一次能展示6个商品,推荐内容可以更换四次,共需推荐24个商品。
需要使用协同过滤算法(user CF & Item CF)及基于物品内容的算法进行混合推荐。
一次性展示的6个商品中,从左到右的顺序分别是:
- 第一位:基于物品的实时推荐结果
- 第二位:基于用户的离线推荐结果
- 第三位:基于物品的离线推荐结果
- 第四位:基于内容的实时推荐结果
- 第五位:基于物品的实时推荐结果
- 第六位:基于用户的离线推荐结果
如有业务需要推广产品,可以指定推广产品出现在某一个位置上。如下图,在第一位上硬推某产品。
需求分析
大型网站的推荐位不仅仅只有一个,需要对每个广告位进行编号,比如猜你喜欢的广告位编号是121
每个推荐位是一个独立的推荐产品,需要对每个广告位开发独立的推荐模型
每个推荐位需要配置特有的推荐规则和排序规则
为了容错,每个推荐位都需要默认的推荐产品,当推荐系统无法计算正常的结果时,使用默认产品进行推荐。
各个推荐模型推送的商品可以能重复和下线的商品,需要对商品进行进行去重和过滤处理
推荐结果计算完毕之后,将硬推广告放进去。