基于機(jī)器學(xué)習(xí)的即時(shí)推薦引擎架構(gòu)

1、基于機(jī)器學(xué)習(xí)和圖數(shù)據(jù)庫(kù)的即時(shí)推薦引擎架構(gòu)技術(shù)創(chuàng)新 變革未來(lái)推薦引擎的即時(shí)性、精準(zhǔn)性、相關(guān)性是大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)營(yíng)銷(xiāo)的成功秘訣。CategoryPriceConfiguration s來(lái)自架構(gòu)的挑戰(zhàn)PurchaseViewReturnReviewIn-store PurchasesInventorLocatioyn產(chǎn)品消費(fèi)者 / 用戶Locatio nPurchasesRELATIONAL DBWIDE COLUMN STOREViewsDOCUMENT STOREUser ReviewRELATIONAL DBIn-Store PurchaseShopping CartKEY VALUE STOR

2、EProduct CatalogueDOCUMENT STOREPurchasesRELATIONAL DBProduct CatalogueDOCUMENT STOREWIDE COLUMN STOREViewsDOCUMENT STOREUser ReviewRELATIONAL DBIn-Store PurchaseShopping CartKEY VALUE STOREctorConneApps and SystemsDrivers: Java | JavaScript | Python | .Net | PHP | Go | RubyReal-Time Queries使用圖數(shù)據(jù)庫(kù)建立

3、關(guān)于產(chǎn)品和客戶的“知識(shí)圖譜”什么是“圖”數(shù)據(jù)庫(kù)？對(duì)比：關(guān)系型和圖數(shù)據(jù)庫(kù)存儲(chǔ)模式比較圖和關(guān)系數(shù)據(jù)庫(kù)：復(fù)雜查詢的性能參見(jiàn)：Graph Database 2nd Edition by OReilly 2017排序 /相關(guān)度限制 / 最多條目相關(guān)知識(shí)推薦引擎的抽象表示 問(wèn)題定義無(wú)序的數(shù)據(jù)項(xiàng)高度相關(guān)的查詢結(jié)果相關(guān)知識(shí)選中的產(chǎn)品(即“推薦”)推薦引擎的抽象表示 基本功能提高精準(zhǔn)度需要借助相關(guān)知識(shí)(Context)用戶用戶過(guò)去的交互已經(jīng)輸入的搜索內(nèi)容一天中的時(shí)間段/一周中的某天/季節(jié)天氣狀況評(píng)價(jià).調(diào)整和監(jiān)控推薦引擎相關(guān)知識(shí)選中的產(chǎn)品(即“推薦”)推薦引擎的抽象表示 完整的功能INFORMSname: “Jo

4、hn” last: Miller“role: Supervisor“name: Mariapos: Researchersince: Jan 10, 2011name: “Grant Application” value: “250.000”P(pán)ERSONPERSONPERSONPERSONname: ”Jose last: “Pereia“position: “Head of Research“name: “Alice”last: Smith“role: Researcher“圖提供豐富的相關(guān)知識(shí)應(yīng)用實(shí)例 Meetup活動(dòng)推薦如何向用戶推薦最符合他/她需求和興趣的聚會(huì)活動(dòng)， 以提高活動(dòng)的報(bào)名人

5、數(shù)和出席率？有效的推薦：匹配感興趣的主題接近度: 越遠(yuǎn)的關(guān)系相關(guān)度越小無(wú)效的推薦(已經(jīng)參加的活動(dòng)):RSVPUserEventTopicUserGroupEvent:INTERESTED:HAS_TOPIC:HOSTS_EVENTTopicUserGroupTopicGroup:INTERESTED:HAS_TOPIC:HAS_TOPIC:HAS_TOPICEvent:HOSTS_EVENTMeetup活動(dòng)推薦 推理和發(fā)現(xiàn)替代的路徑UserTopicGroupEvent:INTERESTED:HAS_TOPIC密度: 越多路徑達(dá)到的節(jié)點(diǎn)越相關(guān):HOSTS_EVENT:HAS_TOPIC:INT

6、ERESTEDEventUser:RSVPUser:FRIENDSTopicMeetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))Cypher：圖數(shù)據(jù)庫(kù)查詢語(yǔ)言LOVESDanAnnLABELLABELPROPERTYPROPERTYNODERelationshipNODE(:Person name:Dan ) -:LOVES- (:Person name:Ann )Cypher：創(chuàng)建節(jié)點(diǎn)和關(guān)系LOVESDanAnnLABELLABELPROPERTYPROPERTYNODERelationshipNODECREATE (:Person name:Dan ) -:LOVES- (:Person name:An

7、n )Cypher：匹配圖模式LOVESDanAnnLABELVARIABLEPROPERTYNODERelationshipNODEMATCH (:Person name:Dan ) -:LOVES- ( whom ) RETURN whomMeetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))TopicGroup:HAS_TOPIC注：以下的查詢均用Cypher語(yǔ)言實(shí)現(xiàn)。發(fā)現(xiàn)最熱門(mén)的主題發(fā)現(xiàn)已經(jīng)參加的聚會(huì)GroupUser:MEMBER_OFMeetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))推導(dǎo)最可能感興趣的主題GroupUser:MEMBER_OFTopic:HAS_TOPIC:INTERESTED三元閉包(Tri

8、adic Closure)的應(yīng)用Meetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))推薦最可能感興趣的活動(dòng)TopicUserGroupEvent:INTERESTED:HAS_TOPIC:HOSTS_EVENT:HAS_TOPIC:INTERESTEDTopic:MEMBER_OF找到所有未來(lái)的活動(dòng)；看看這些活動(dòng)是不是屬于已經(jīng)加入的興 趣組；統(tǒng)計(jì)共同的興趣主題；找到那些組織這些活動(dòng)的興趣組；按照時(shí)間對(duì)結(jié)果排序。Meetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))TopicGroupEvent:INTERESTED:HAS_TOPIC:HOSTS_EVENT:HAS_TOPIC:INTERESTEDTopic推薦朋友已經(jīng)報(bào)

9、名的活動(dòng):MEMBER_OFUser:FRIENDSMeetup活動(dòng)推薦 推理和發(fā)現(xiàn)(續(xù))對(duì)結(jié)果進(jìn)行打分運(yùn)用Pareto規(guī)則對(duì)推薦進(jìn)行打分配置權(quán)重調(diào)整不同推薦結(jié)果的重要性計(jì)算的總分按照總分進(jìn)行排序基于協(xié)同的規(guī)則共同參加的活動(dòng)，余弦相似度，Jaccard相似度, Dice相似 度, .基于內(nèi)容的規(guī)則屬于同一領(lǐng)域的其他主題和活動(dòng)，例如“關(guān)系數(shù)據(jù)庫(kù)” 興趣組，可以推薦“建模”、“SQL”、“JDBC”特定規(guī)則最多人參加的活動(dòng)、新活動(dòng)、特邀嘉賓出席的活動(dòng)等綜合各種規(guī)則的系統(tǒng)Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)中心性決定節(jié)點(diǎn)在一個(gè)網(wǎng)絡(luò)中的重 要性。頁(yè)面排行間接中心性緊密中心性調(diào)和中心性社區(qū)檢測(cè)對(duì)一個(gè)網(wǎng)絡(luò)中

10、節(jié)點(diǎn)自動(dòng)進(jìn)行 分類(lèi)、分區(qū)，決定網(wǎng)絡(luò)的集 群。Louvain方法標(biāo)簽傳播路徑尋找尋找最短路徑、生成子圖。最小權(quán)重生成子樹(shù)最短路徑Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)圖論算法Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)(續(xù))尋找興趣相同的用戶社區(qū)檢測(cè)算法計(jì)算興趣組的相似度除了“朋友”關(guān)系，還可以推薦“同類(lèi)人”參加的活動(dòng)Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)(續(xù))發(fā)現(xiàn)“公眾人物”/“領(lǐng)域?qū)＜摇边\(yùn)用中心性算法尋找“公眾人物”推薦公眾人物的選擇專(zhuān)家對(duì)活動(dòng)的評(píng)價(jià)Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)(續(xù))最短路徑算法推薦新的朋友發(fā)現(xiàn)共同的興趣優(yōu)化活動(dòng)安排的時(shí)間和地點(diǎn)相關(guān)知識(shí)選擇的產(chǎn)品(即 推薦)Meetup活動(dòng)推薦 進(jìn)一步的

11、改進(jìn)(續(xù))將用戶的反饋也考慮進(jìn)來(lái)用戶的評(píng)價(jià)Meetup活動(dòng)推薦 進(jìn)一步的改進(jìn)(續(xù))分析用戶反饋明確的隱含的瀏覽過(guò)的活動(dòng)瀏覽活動(dòng)的詳細(xì)內(nèi)容添加活動(dòng)到“收藏”、“關(guān)注”參加過(guò)的活動(dòng)從頭到尾閱讀相關(guān)文章從初始的推薦列表中過(guò)濾掉那些產(chǎn)生過(guò)負(fù)面反饋的項(xiàng)目Event基于實(shí)際數(shù)據(jù)進(jìn)行訓(xùn)練:用戶接受度：因果關(guān)系用戶接受度：在關(guān)鍵路徑上出現(xiàn)的節(jié)點(diǎn)EventUser:RSVPUser:FRIENDSTopicUserGroupEvent:INTERESTED:HAS_TOPIC:HOSTS_EVENTTopicUserGroupEvent:INTERESTED:HAS_TOPIC:HOSTS_EVENTMeetu

12、p活動(dòng)推薦 進(jìn)一步的改進(jìn)(續(xù))那為什么以前在機(jī)器學(xué)習(xí)中沒(méi)有見(jiàn)到過(guò)圖數(shù)據(jù)庫(kù)？幾乎所有的人工智能算法都是“圖算法”。機(jī)器學(xué)習(xí)和圖數(shù)據(jù)庫(kù)以前的機(jī)器學(xué)習(xí)應(yīng)用中，數(shù)據(jù)模型是個(gè)黑盒子。機(jī)器學(xué)習(xí)和圖數(shù)據(jù)庫(kù)(續(xù))數(shù)百次跳轉(zhuǎn) 上千層深度 數(shù)十億次連接0 2次跳轉(zhuǎn)0 3層深度數(shù)千連接Response Time在大數(shù)據(jù)時(shí)代，數(shù)據(jù)庫(kù)的類(lèi)型將決定性能，而性 能對(duì)實(shí)時(shí)的推薦引擎至關(guān)重要。機(jī)器學(xué)習(xí)和圖數(shù)據(jù)庫(kù)(續(xù))知識(shí)圖譜Provide Rich Context for AI人工智能可視化Human-FriendlyGraph Visualization在圖數(shù)據(jù)庫(kù)上建模的AIFaster, MoreAccurate Development在圖數(shù)據(jù)庫(kù)上執(zhí)行的AIOperationalize Real-Time OLAP andMonitoring基于圖的分析型應(yīng)用Enrich AI Inputs with Gr