写点什么

推荐系统在房产领域的实践

  • 2018-12-17
  • 本文字数:1738 字

    阅读完需:约 6 分钟

推荐系统在房产领域的实践
00:00 / 00:00
    1.0x
    • 3.0x
    • 2.5x
    • 2.0x
    • 1.5x
    • 1.25x
    • 1.0x
    • 0.75x
    • 0.5x
    网页全屏
    全屏
    00:00

    采访嘉宾简介

    许燕松,就职于贝壳找房,担任贝壳找房智能推荐平台负责人一职。硕士毕业于美国匹兹堡大学信息科学专业。先后就职于当当网,聚美优品负责个性化推荐系统的研发工作,有多年的推荐系统的实践经验。主要研究推荐系统领域的系统架构设计与策略算法的应用。在贝壳找房主导了智能推荐平台的架构升级与算法迭代工作。通过架构的升级大幅提升了推荐架构的灵活性与迭代效率。通过算法的多次迭代不断提升推荐的效果。


    InfoQ:请您先介绍一下您的工作经历,以及您在贝壳找房所在的团队负责的工作。


    许燕松:我一直从事推荐研发相关工作,已经有很多年了,在我最开始的时候是先在当当,当时是第一次接触推荐相关的工作内容。那会儿我主要负责当当的个性化 PUSH 还有母婴品类相关的推荐,尤其是在做母婴品类推荐的时候我还自研了一套母婴相关的单独的一个推荐策略。后来就加入到聚美优品,负责整个聚美的推荐算法和用户画像相关的工作。在聚美的这段经历让我得到了更全方面的发展,让我知道如何去 hold 住一个完整的推荐系统。


    后来现在我又来到贝壳找房,在贝壳的这段经历让我知道如何把一个推荐系统做得更好,如何把一个相对封闭的推荐系统转变成一个智能推荐平台。这就是我主要的一些工作经历。


    InfoQ:贝壳找房推荐平台都使用了哪些推荐算法和策略以提高性能?


    许燕松:很多种策略,包括协同过滤的策略,基于用户画像的推荐策略,一些基于业务规则的推荐策略。这些策略本身都有各自的优缺点,我们并不是每一个场景只用一种,我们会混合着来用,这样不同策略之间就会形成互补,达到最优的一个效果。


    InfoQ:贝壳找房的智能推荐系统架构和算法经过哪些重大变化和迭代?做出改变的原因是什么?


    许燕松:可以说我们整个智能推荐平台是跟着贝壳找房一起发展壮大的,它主要经历了三个阶段:第一个是初创阶段,第二个阶段是快速发展阶段,第三个阶段是平台化的阶段。


    每个阶段面临着不同的问题:比如说在初创阶段,这时候我们用户需要提升找房的效率,我们所收录的这些房源需要得到更好的曝光,并且这个阶段我们的数据是非常不完备的。所以在这个阶段我们主要是想快速实现推荐系统从 0 到 1,从无到有的这么一个快速实现。所以在那个阶段没有用太复杂的推荐策略。


    在快速发展阶段,随着我们的数据积累,我们加入了各种各样的个性化策略,比如我提到的基于协同过滤的推荐策略、基于用户画像的推荐策略。有了这些策略之后,我们整个推荐相当于更上了一层楼。


    此外我们在平台化的阶段,我们去做了整个智能推荐平台的大升级。通过这次升级之后,可以说我们整个智能推荐平台在这个阶段就真的成为一个平台了,我们支持了快速的业务接入,以前一个业务的接入可能需要五个工作日,现在一个工作日就可以搞定了。而且在策略方面,我们加入了实时化的推荐策略,还加入了很多更为精准的推荐策略,比如说我们有 LR 模型做了一个精准排序。这就是整个贝壳的发展历程。


    InfoQ:在不同的阶段利用了不同的策略。


    许燕松:对,主要是针对当时面临的背景和不同的问题,有针对性地去解决。


    InfoQ:您觉得智能推荐平台在未来还可以做哪些优化?


    许燕松:因为我们叫智能推荐平台,所以第一点就是让智能推荐平台更加智能。目前我们做策略的优化都是人去做 AB 试验,通过 AB 试验的结果来不断地调整我们的策略。我们希望以后不通过人去做 AB 试验,通过线上的数据实时地反馈,让机器自己去学习如何去调优,这样才能真正说我们是一个智能的推荐平台。


    还有就是我们想在架构上加入更复杂模型的预测,比如说 WDL 模型。WDL 也可以在我们的算法上有很大的要求,所以我们在算法上也要做一个深耕。这就是我们未来在这块想要做的事情。


    InfoQ:最后一个问题是关于产品落地,贝壳找房除了智能推荐平台之外,还有没有一些其他的策略产品落地?


    许燕松:我所在的部门叫数据智能部,我们部门除了智能推荐平台还有很多其他的产品。比如说为了评估一个房源的真实价值,我们提供了一个智能估价系统,它是用来给房源进行估价的。


    为了更好地提升用户体验,我们还建立了智能的客服系统,智能客服系统你去问答的时候,它可以智能地给你回答,提升了用户的问答效率。


    我们还有智能图片的处理平台,主要是帮助我们解决各种各样图片相关的需求。这里面我只列举了一些比较主要的,其实还有很多其他的产品落地。


    2018-12-17 00:002395
    用户头像

    发布了 1514 篇内容, 共 685.2 次阅读, 收获喜欢 2504 次。

    关注

    评论 3 条评论

    发布
    用户头像
    贝壳不是把链家绿色的颜色背景换成了蓝色,哪儿来那么多的策略
    2019-06-01 23:34
    回复
    用户头像
    贝壳不是直接用的链家系统呀,哪有那么多策略
    2019-06-01 23:32
    回复
    没有更多了
    发现更多内容

    YashanDB|想查表空间使用率?一条 SQL 帮你搞定!

    数据库砖家

    数据库

    JMeter、Apipost 与 Postman 的 API 测试对比:为什么 APIPost 是更聪明的选择

    数据追梦人

    中国制造的AI穿凿,一场直抵地心的技术远征

    脑极体

    AI

    「数」论|厂级实时监控系统SIS:盛宴还是剩宴?

    麦杰科技

    Qwen3 系列全家桶,百度百舸一键部署

    Baidu AICLOUD

    AI 基础设施

    StarRocks 查询优化器深度解析

    StarRocks

    黑龙江等保测评应急预案

    黑龙江陆陆信息测评部

    1688 商品列表 API 深度拆解:从参数配置到数据获取

    tbapi

    1688商品列表接口 1688商品数据接口 1688API

    啡漫AIP首发!AI+咖啡+动漫跨界融合,解锁咖啡产业AI新玩法

    科技热闻

    IoTDB 广州行 | 4.26 端边云协同的新一代 AI 数据库技术沙龙回顾

    Apache IoTDB

    「数」论|厂级实时监控系统SIS:盛宴还是剩宴?

    麦杰研究院

    AI 绘画党AIGC创作者看过来!AI提示词可以统一管理了

    龙正哲

    再这样玩下去,以太坊就是离心机,就是吸血魔

    ChainFlash链訊

    区块链 以太坊

    YashanDB|数据库时间与服务器时间不一致?原因与修复方法详解!

    数据库砖家

    数据库

    报名丨第七届智源大会,6月6-7日北京见

    智源研究院

    鸿蒙游戏生态加速:华为小游戏焕新升级,抢滩百亿级市场新机遇

    最新动态

    A2A 是否只是换个了名字的 MCP?开发者该如何选择?

    Baihai IDP

    程序员 AI agent MCP A2A

    被百万人追捧的【旅行救星】为何主动召回?

    极客天地

    不用Mockito写单元测试?你可能在浪费一半时间

    Java随想录

    Java 单元测试 Mockito

    Netflix系统架构解析

    码语者

    YashanDB|多表更新遇到 YAS-04344?教你如何正确操作!

    数据库砖家

    数据库

    YashanDB|通过 DBLink 访问 Oracle 性能慢?问题分析与优化指南!

    数据库砖家

    数据库

    PIRF:432 - Performance - Pressure, Precision, Payoff

    Echo!!!

    English

    浅谈如何使用 Amazon CUR 报告做更完善的成本分析

    亚马逊云科技 (Amazon Web Services)

    一文掌握 1688 商品详情 API 接口:从入门到实战

    tbapi

    1688商品详情接口 1688API 1688数据接口

    机械加工行业QMS质量管理系统

    万界星空科技

    万界星空科技 QMS 生产质量管理 机械加工行业 产品质量管理

    独立开发者工具 • 半月刊 第 008 期

    Immerse

    YashanDB|YMP 迁移 Oracle 遇到授权不兼容?一招轻松解决!

    数据库砖家

    数据库

    YashanDB|迁移过程中,字符串里的分号导致SQL报错?原因与解决办法来了!

    数据库砖家

    数据库

    Qwen3初测,小尺寸MOE利好小玩家

    冯骐

    人工智能 大模型 大语言模型 AI 基础设施 Qwen3

    英特尔代工:明确重点广合作,服务客户铸信任

    E科讯

    推荐系统在房产领域的实践_大数据_InfoQ 中文站_InfoQ精选文章