你一定有过这样的经历:打开某个网络平台搜索自己喜欢的东西,继而平台上会有很多与之相关的推荐信息。重复操作几次后,你发现这个平台太酷了!都是自己想看或想买的东西!这便是推荐引擎的力量。
如果没有推荐引擎,想要从大量信息中找到自己想要的,何止是“万里挑一”,点击下方视频感受一下。
因为有了推荐引擎,我们才能畅快地使用各大购物平台和信息平台,是它拉近了用户和商家/内容创作者之间的距离。面向用户,一个有价值的推荐能够大大地节省查找时间,并促成最终的购买/点击;面向商家/内容创作者,商品或信息的推荐是有的放矢,为用户提供定制化的推送,这样才能实现精准营销。
推荐引擎有很多种分类方式,在这里我们选择一种相对简练的方式:根据大众行为的推荐引擎和个性化推荐引擎。
根据大众行为的推荐引擎,对每个用户都给出同样的推荐,一般由系统管理人员设定为当前的热门商品或信息。也可以通过大数据运算挑选出搜索/浏览次数最多的热门商品或信息,由系统自动推荐。
个性化推荐引擎,针对用户个人做推荐,这样的推荐方式更为精准,是真正的“千人千面”。
总体而言,推荐引擎是主动发现用户当前或潜在需求的定律,并主动推送信息给用户的信息网络。点击下方视频,看看推荐引擎获取用户信息的维度有哪些。
推荐引擎的运转需要一个完整的AI(人工智能)模型。实际上,每一个AI模型在投入使用前,都需要经历确定目标、准备数据、训练模型、评估模型和部署模型这几步。这其中,AI技术扮演着重要角色,比如深度学习、自然语言处理、实时语音翻译、视觉内容自动识别等。最终,基于AI技术和大数据就能够得到一个较为理想的量化模型,进而提升供求两侧的信息匹配效率。
因此,对于推荐引擎而言,确定目标后的第一步是准备数据。以电商平台为例,截止到2020年12月,中国网络购物用户规模达7.82亿。商品方面,单2020年天猫“双十一”,就有25万个品牌和500万个商家。数据体量之大可想而知。
为了解决信息过载问题,我们看到诸如亚马逊、天猫、京东等电商平台,以及抖音、今日头条等信息平台正在紧锣密鼓地升级硬件系统。通过下面这个视频了解一下,如何从硬件层面应对海量数据处理和运算的挑战。
除了视频中所讲,高性能内存还有很多优点。比如更高的工作频率,更高的带宽速度,更高的内存密度,以及更低的工作能耗。这样的性能优势让高性能内存可以大大提升推荐引擎处理数据的效率,为训练模型做好准备。
简单理解,训练模型就是数据配合算法生成模型的过程。发展至今,推荐引擎的算法种类已经非常丰富,包括基于内容相似度的算法,基于协同过滤的算法,基于人口统计学的算法,基于topic model的算法和基于关联规则的算法等等。这些算法之间各有侧重,比如基于人口统计学的算法更偏向于发现用户之间的相似度;而基于关联规则的算法则能够找出数据之间的依赖关系。
现行的各大平台并不是使用单一推荐模式,往往是集各家所长以达到更好的推荐效果。大量复杂的数据进入融合的算法体系,普通的硬件设备根本无法完成这样具有挑战性的任务。下方视频告诉我们,推荐引擎在数据训练过程中需要哪些类型的高性能内存。
视频中提到了HBM高带宽内存,是世界上最快的DRAM,专为内存和处理器之间的高速数据传输而设计,为实现大带宽带来无限可能性。美光致力于提供超带宽解决方案,包括 HBM2E 和未来的 HBM 技术,帮助各平台能够更高效地响应新的趋势和偏好。
如此大量的数据,处理是一个挑战,放在哪里同样是一个难题。就以AI模型获取过程的“准备数据”环节为例,这个过程中,经过筛选的用户信息数据、产品信息数据、用户操作数据等都是要准备的数据,且数据量巨大。如果将这些数据存储在传统的机械硬盘中,将会极大地延缓最终满意模型的获取,全球首款 QLC SSD美光5210帮助化解这个难题。下面这段视频告诉你,为什么要用QLC SSD取代机械硬盘。
大数据时代,推荐引擎通过用户动态信息和静态信息轻松帮你实现“大海捞针”,实现了“想你所想” @Micron美光科技 高性能存储更是助力推荐引擎,让推荐更精准! 现在搜索微信视频号 @Micron美光科技 获得更多存储信息还有机会拿“英睿达 4GB 内存条”。福利展示:
扫码直达 @Micron美光科技 微信视频号 ,微信公众号: