这是一个创建于 179 天前的主题，其中的信息可能已经有所发展或是发生改变。
案例： 根据用户的地理位置、性别、年龄、星座等多属性给用户推荐最适合他的其它用户，过程中涉及到每个属性不同加权，并最终排序
有没有大佬做过类似的案例，有没有好的实现方案推荐的？
 |
1
GeekGao 179 天前
你是说算法，还是机器推荐技术？
|
 |
2
LitterGopher 179 天前  1
如果将来有幸成为你的用户，我只想问一个问题：我什么要告诉你那么多个人信息？或者说为何要告诉你那么多真实信息，甚至给你开放相应权限？
|
 |
3
SoviaPhilo 179 天前
用个人信息来做推荐妥妥会遇到#2 的问题
建议用爱好和倾向来做。 相同的一篇文章，你和他都喜欢，那么你和他就有可能有共同语言 |
 |
4
fnd 179 天前
可以看看推荐系统，先了解下大家都是咋做的。
你说的这个太基础太浅了，都还到不了需要讨论的阶段，还是先以学习为主。 |
 |
6
coderxy OP @LitterGopher 性别、年龄、生日、包括地理位置都是用户自己可选的， 用户不选我就过滤掉这一项就好了， 还有，app 的正常用户的主要目的是来交友的，而不是抬杠。
|
|
8
coderxy OP @SoviaPhilo 这是另外一个维度，也就是关联推荐，跟我们现在做的并不冲突。
|
 |
9
sss15 179 天前
读用户的通讯录啊，手机号在对方通讯录的就给他推荐，再把好友的通讯录里的好友也给他推荐
|
 |
11
guxingke 179 天前
不如指导用户如何把 头像 做好看点
|
 |
12
dzdh 179 天前
|
 |
13
janus77 179 天前
你这个底层应该是产品需求来定义吧，比如你们的产品形态是什么样的，要以什么为交友的核心点？兴趣，还是地域，还是别的什么
但是我觉得，profile 资料只能做一个兜底，主要还是以用户自己编辑的 tag 和发过的、浏览过的动态来作为推荐算法的入参 |
 |
14
piecezzz 179 天前
再简单也绕不开算法，你说的向量+权重也是算法。
|
 |
17
encro 179 天前
3 楼的方法啊，就是根据历史浏览，购买行为的协同算法，最简单，最容易，最有效了。
比如买过 a 的人也会买 b 。 每天统计一下，浏览的时候直接查询结果表就行。 |
|
18
encro 179 天前
其他算法类似楼上的做法，无非就是缓存结果，用的场景直接查询。
|
|
19
LitterGopher 179 天前
@coderxy #6 不是抬杠，而是如果这些信息缺失，剩下的条件是按照原有权重不变？等比上升？依据具体情况变化？如果允许为空或者模糊（提供“不告诉”选项，和允许用户不填写留空），那么空和模糊是否相等着是否也是需要考量的问题呢？
|
 |
20
marcolin18 179 天前
核心还是定义推荐规则：比如你认为地理位置相近的、同时年龄在同一档 且 星座相同的用户，可以相互推荐，那这就是搜索问题，使用 geo 函数计算地理位置关系、给年龄分档（幼、青、中、老）、星座匹配，只要同时命中 3 个条件的，按预定的权重来计算评分，然后排序取前 10%，每次随机从中取 10 个人推荐，还可以实现“换一批”功能是不是。
核心还是基于你们的产品设计，至于是用知识图谱去发现和推荐，还是按一般的 item-base 、user-base ，计算一下“相似度”，排序推荐，又或者向上面用 MySQL 的二维表对你列出这些维度的“排序”来决定推荐次序，都可以做得到。 |
|
21
marcolin18 179 天前
如果是想更深入讨论的，那么建议还是补充一些细节。否则只能得到泛泛的回应。
|
 |
22
SakuraSa 179 天前
业务刚开始数据量很少的时候，其实简简单单的返回热门内容效果最好。
数据多到需要考虑个性化的时候，可以从协同过滤开始（假设属性类似的用户喜欢的内容也类似）。 在往上就需要考虑推荐的目标了（例如目标是让用户点击就用点击率作为目标），然后将能收集到的信息做成特征喂给 XGBoost 。到这个程度已经可以应付大部分场景了。 在往上基本就是头部公司了，会有专门的部门优化这些。 |
|
23
GeekGao 179 天前
@coderxy 一定要有算法的，否则推荐框架只是一些概率和统计学公式组成的框架而已。
具体要看产品的要求，例如，婚恋交友 app ，就会倾向于推荐性别差异的、年龄差一定范围内能接受的、星座匹配的优先展示，以及用户个人标签偏好，例如 A 女择偶标签为：170cm+、信星座、大叔控，那就要优先把身高超过 170cm 的年龄大于 n 岁的，星座匹配的大叔给展示出来。这也是算法。 |
|
24
coderxy OP @GeekGao 那这种算法是需要用到哪些算法推荐框架吗？ 还是说依赖哪些数据库？ 或者是哪些基础设施？ 因为我没弄过这一块，可能问的问题很不专业， 明了一点说就是我现在只会写代码，这样一个推荐需求我无从下手。
|
|
25
coderxy OP @marcolin18 用 mysql 这种关系型数据库也可以实现多维度、不同加权、综合排序吗？
|
 |
27
yufeng0681 179 天前
年龄这个属性咋做匹配？ 假设数据库里 1000 万用户，
用户 A 年龄 28 ， 只能匹配同龄人？ 27 29 的人就不匹配么？ 为了找用户 A 适配的人，轮训一遍数据库 1 千万用户， 把 top100~200 找出来给用户 A 推荐？ |
|
28
coderxy OP @yufeng0681 我现在的疑问就是这个方案该怎么定。 以最简单粗暴的一种思路来讲， 如果需求是给男性用户推荐小于或等于他年龄的用户， 则根据用户的生日去数据库查询生日小于等于他的、且最近活跃的 100 个用户， 然后在程序内做去重。 当然实际业务还有很多个加权项，有的项目没有办法从数据库直接查，所以就有了这个提问。
|
 |
29
someday3 178 天前
楼主想的太简单了，想通过一个数据库就昨晚，那不可能的。
要上一整套的数据分析系统，流式的，批式的，然后再上算法。 只用一个 sql 怎么推荐啊，每个用户查一次？狗粗暴，但系统扛不住。 你甚至连你的系统雏形都没有，就一个数据库，网上找找推荐类的文章啊、论文啊，读几篇，先把架构学到 |
|
32
marcolin18 178 天前
@coderxy MySQL 可以，但性能可能受限，先做数据预处理，不要想着一条 SQL 搞定，可以定时跑批实现。
给 OP 一个简单思路：原始业务数据 --> 特征提取 --> 预处理入库 --> 搜索预处理数据进行推荐。 接下来就是要明确一下业务数据来源、数据规模、提取方法、预处理方法、查询展示方法。 如果不是实时模型，是可以将 OP 的这个需求理解为一个传统 ETL 任务来实现的。 |
|
34
coderxy OP @marcolin18 我试试，谢谢大佬
|
|
35
marcolin18 178 天前
@coderxy 友情提醒：不要因为 ETL 概念陷到数据仓库的领域里面去了哈，工程问题，够用就好。
|
 |
36
zhuanggu 178 天前
这个就是学校里的一个推荐的联系项目，实际工作中不可能给你提供这么多属性信息。更多的是通过统计用户的行为信息作为画像的特征。
|
 |
37
kuber 178 天前
@coderxy 实现的工程方法有很多种，需要结合你的实际情况来考虑，否则容易 over engineering 。
1. 你是个人/初创项目还是企业商业化产品？个人/初创项目的话可以一开始可以做得很简单，不用考虑太多 2. 你设想的用户量有多少（如果不清楚，可以估计一下 1~2 年最多多少用户。一两万，一两百万和一两千万用户量在工程上是不同的需求） 3. 你需要的实时性是怎么样的？一个新用户进来就要马上看到推荐的好友还是可以容忍几分钟/几小时/几天？ 4. 什么样的推荐才是”最适合他的其它用户“，容忍度有多少？你最好访问一下你的目标用户，甚至手工做个测试。 5. 你怎么评价推荐的有效性？很多情况下，你推荐一个“相对”热门的其实就够了。比如一个省/市，年龄合适的异性朋友。在启动阶段尤其如此，其他的可以等产品跑起来再去优化。这种交友产品的初始阶段可能准确性并不重要，所以可能不是你投入资源的优先事项。 当然如果这是你的作业或者交差的，那又是另外一回事了。 |
 |
38
Kumo31 178 天前
可以看看 https://gorse.io/zh/ 这个项目？直接当做一个服务来调用就行，小规模的使用应该足够了
|
 |
39
LaurelHarmon 178 天前
需要的数据大概长这样：总共 2n+1 列，前 n 列是当前用户的资料，中间 n 列是被推荐用户的资料，最后一列是是否点击。
先搞一个随机版本，收集一点数据，然后拿 LightGBM 训练模型，输入是前 2n 列，输出是最后一列。 训练完之后，对于每一个当前用户，遍历所有用户，得到打分最高的那几个，放在当前用户的推荐栏，然后继续收集数据。 然后循环迭代。 不过我最烦这种 b 功能了，只想上网当小透明，不想裸身冲浪。 |
|
40
yufeng0681 177 天前
不管用了啥算法， 推荐效果的跟踪也一并要做了。
这样方便进行业务调整，看看不同画像的人是否需要不同的策略， 如果一个都没效果，那基本策略都要调整。 |
Select Language