課程簡(jiǎn)介
本次培訓(xùn)主要結(jié)合電商的實(shí)際應(yīng)用，闡述了自然語言處理（NLP），數(shù)據(jù)挖掘（DM）和機(jī)器學(xué)習(xí)（ML）算法的落地和產(chǎn)出過程，對(duì)于在大數(shù)據(jù)處理方面的技巧和變現(xiàn)能力會(huì)有很大的提升。
目標(biāo)收益
對(duì)于在大數(shù)據(jù)處理方面的技巧和變現(xiàn)能力會(huì)有很大的提升。
培訓(xùn)對(duì)象
課程大綱
|
關(guān)聯(lián)規(guī)則（Apriori）算法在實(shí)際應(yīng)用中的優(yōu)化 該單元介紹基本關(guān)聯(lián)規(guī)則算法在電商實(shí)際訂單數(shù)據(jù)中的問題，以及對(duì)于問題空間預(yù)估保證提升空間的前提下，優(yōu)化關(guān)聯(lián)規(guī)則模型的過程。 |
1、 傳統(tǒng)關(guān)聯(lián)規(guī)則算法 2、“最佳拍檔”中的關(guān)聯(lián)規(guī)則 講述了基本的關(guān)聯(lián)規(guī)則算法 3、問題發(fā)現(xiàn)與分析 （1）訂單數(shù)據(jù)反作弊 （2）數(shù)據(jù)+算法融合的角度 （3）badcase實(shí)例印證 4、效果空間預(yù)估 5、算法改進(jìn) 6、效果的衡量 （1）上線前：Debug工具 （2）上線：ABtest系統(tǒng) 7、ROI分析 8、案例啟示&下一步嘗試 |
|
第二單元 商品評(píng)論排序?qū)τ谟脩糍徺I的影響 該單元介紹了如何處理用戶產(chǎn)生的商品評(píng)論，將其按照價(jià)值由大到小進(jìn)行排序，評(píng)論的價(jià)值取決于影響用戶快速?zèng)Q策購買商品的信息量。 |
1、背景介紹 2、評(píng)論排序因素 3、內(nèi)容相關(guān)性計(jì)算 （1）商品內(nèi)容表示 （2）評(píng)論內(nèi)容表示 （3）商品和評(píng)論的相似性計(jì)算 4、排序模型 5、效果評(píng)估 （1）測(cè)試方法 （2）衡量指標(biāo) （3）效果對(duì)比及分析 6、作弊與反作弊 7、評(píng)論智能排序-ROI分析 |
|
第三單元 商品“冷啟動(dòng)” -基于語義主題的新品推薦 該單元以電商商品推薦為例，講述了在沒有用戶行為的情況下，如何將小眾或新上市的商品進(jìn)行準(zhǔn)確的展現(xiàn)，提高用戶體驗(yàn)的同時(shí)帶來更多的流量。 |
1、馬太效應(yīng) 2、商品的冷啟動(dòng) 3、基于內(nèi)容的主題特征抽取 （1）語義主題特征 （2）特征關(guān)聯(lián) 4、正負(fù)樣本形成 5、CTR預(yù)估模型 6、效果衡量與分析 |
|
第四單元 用戶行為分析 根據(jù)不同場(chǎng)景的用戶行為，挖掘潛在有價(jià)值信息或者用戶意圖。 |
1、商品互補(bǔ)類識(shí)別 1、 優(yōu)質(zhì)用戶挖掘 2、 品牌相似性計(jì)算 3、 用戶點(diǎn)擊商品行為建模 4、 用戶新聞興趣建模 5、 長(zhǎng)尾query的智能糾錯(cuò) |
|
關(guān)聯(lián)規(guī)則（Apriori）算法在實(shí)際應(yīng)用中的優(yōu)化 該單元介紹基本關(guān)聯(lián)規(guī)則算法在電商實(shí)際訂單數(shù)據(jù)中的問題，以及對(duì)于問題空間預(yù)估保證提升空間的前提下，優(yōu)化關(guān)聯(lián)規(guī)則模型的過程。 1、 傳統(tǒng)關(guān)聯(lián)規(guī)則算法 2、“最佳拍檔”中的關(guān)聯(lián)規(guī)則 講述了基本的關(guān)聯(lián)規(guī)則算法 3、問題發(fā)現(xiàn)與分析 （1）訂單數(shù)據(jù)反作弊 （2）數(shù)據(jù)+算法融合的角度 （3）badcase實(shí)例印證 4、效果空間預(yù)估 5、算法改進(jìn) 6、效果的衡量 （1）上線前：Debug工具 （2）上線：ABtest系統(tǒng) 7、ROI分析 8、案例啟示&下一步嘗試 |
|
第二單元 商品評(píng)論排序?qū)τ谟脩糍徺I的影響 該單元介紹了如何處理用戶產(chǎn)生的商品評(píng)論，將其按照價(jià)值由大到小進(jìn)行排序，評(píng)論的價(jià)值取決于影響用戶快速?zèng)Q策購買商品的信息量。 1、背景介紹 2、評(píng)論排序因素 3、內(nèi)容相關(guān)性計(jì)算 （1）商品內(nèi)容表示 （2）評(píng)論內(nèi)容表示 （3）商品和評(píng)論的相似性計(jì)算 4、排序模型 5、效果評(píng)估 （1）測(cè)試方法 （2）衡量指標(biāo) （3）效果對(duì)比及分析 6、作弊與反作弊 7、評(píng)論智能排序-ROI分析 |
|
第三單元 商品“冷啟動(dòng)” -基于語義主題的新品推薦 該單元以電商商品推薦為例，講述了在沒有用戶行為的情況下，如何將小眾或新上市的商品進(jìn)行準(zhǔn)確的展現(xiàn)，提高用戶體驗(yàn)的同時(shí)帶來更多的流量。 1、馬太效應(yīng) 2、商品的冷啟動(dòng) 3、基于內(nèi)容的主題特征抽取 （1）語義主題特征 （2）特征關(guān)聯(lián) 4、正負(fù)樣本形成 5、CTR預(yù)估模型 6、效果衡量與分析 |
|
第四單元 用戶行為分析 根據(jù)不同場(chǎng)景的用戶行為，挖掘潛在有價(jià)值信息或者用戶意圖。 1、商品互補(bǔ)類識(shí)別 1、 優(yōu)質(zhì)用戶挖掘 2、 品牌相似性計(jì)算 3、 用戶點(diǎn)擊商品行為建模 4、 用戶新聞興趣建模 5、 長(zhǎng)尾query的智能糾錯(cuò) |
近期公開課推薦
