引子

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(yǔ)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(guò)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。

第一單元

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(wèn)題，以及對(duì)于問(wèn)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(guò)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(wèn)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(xiàn)前：Debug工具

（2）上線(xiàn)：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?hù)購(gòu)買(mǎi)的影響

?

該單元介紹了如何處理用戶(hù)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(hù)快速?zèng)Q策購(gòu)買(mǎi)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(yǔ)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(méi)有用戶(hù)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(hù)體驗(yàn)的同時(shí)帶來(lái)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(yǔ)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(hù)行為分析

?

根據(jù)不同場(chǎng)景的用戶(hù)行為，挖掘潛在有價(jià)值信息或者用戶(hù)意圖。

1、商品互補(bǔ)類(lèi)識(shí)別

2、?優(yōu)質(zhì)用戶(hù)挖掘

3、?品牌相似性計(jì)算

4、?用戶(hù)點(diǎn)擊商品行為建模

5、?用戶(hù)新聞興趣建模

6、?長(zhǎng)尾query的智能糾錯(cuò)?