这是一个创建于 1518 天前的主题，其中的信息可能已经有所发展或是发生改变。
有一个商品订单记录宽表，是经过多表清洗后形成的，每条数据以一条订单为维度，里面有几个重要的字段（下单人的年龄、性别、喜好、本次订单的购物商品），其中，商品是以 JSON 数组存储在单个字段中的。
需求：基于这些字段，通过一些数据分析、挖掘等操作后，可以离线计算形成一个对外提供的服务，支持以下功能： 1 、根据喜好推荐商品，判定依据需要来源于上述的数据。 2 、根据上述字段，输出一些统计分析的结论出来
我不太懂大数据、数据分析挖掘相关的东西，想请教一下各位大佬，处理这个需求有没有什么适用的中间件或数据库，百度了一圈也不太清晰，如 Flink 、ClickHouse 、Neo4j 、ES 、Pandas 等等
PS：上述的商品订单场景，是为了方便理解，举个类似例子，实际的场景是垂直行业，不太好描述
 | 1 murmur 2021-10-29 14:07:28 +08:00 你是做研究还是做生产，生产是不用这个算法的，直接给每个商品打 tag ，比如用户购买了化妆品，那么疯狂推荐化妆品就对了 这就是现在各大电商平台的算法 |
 | 2 F281M6Dh8DXpD1g2 2021-10-29 14:14:22 +08:00 你首先要解决的是人的特征是什么，商品的特征是什么 人的特征 vs 商品的特征 怎么计算距离 然后一个人来了找出他的特征计算跟他最近的商品的距离，这就是推荐给他的商品 人的特征一般就是他的购买历史还有浏览商品啥的，反正整出来一个向量 商品的特征一般都是跟他一块下单的别的商品，还有品类啥的，反正也整出来一个向量 然后你就做逻辑回归训练完事 |
 | 3 Geekerstar OP @murmur 感谢回复，商品订单是为了方便理解举的例子，实际不是这个场景 |
| 4 murmur 2021-10-29 14:23:48 +08:00  2 @Geekerstar 场景和论文是有区别的 你会发现落地算法都是 tag 直接关联推荐，打 tag 比规则算法更重要 你以为的关联规则是：鸡蛋 西红柿 菜刀 砧板 葱 实际上购物推荐是：化妆品 化妆品 化妆品 化妆品 化妆品 女性的消费能力太强了，直接可以影响算法决策 抖音头条不一样，因为他所有的东西都是没意义，都是打发时间部分优劣，所以可以随便推送 你既然是做产品，看一下竞品的规则是什么样就知道了 |
 | 5 ihehe 2021-10-29 14:25:08 +08:00 via iPhone 推荐很简单啊，哪用得上什么高深技术，随便搞个把 demo 方便以后吹水就行了 用户搜索过，查看过，收藏过，购买过啥，就疯狂推这个东西给他。 目前 99.9999%的大厂都这么做的 |
| 6 jr55475f112iz2tu 2021-10-29 14:26:20 +08:00 喜好和商品在实际场景里，需要 NLP 吗？还是能直接用数值指代 |
 | 7 Cheons 2021-10-29 14:26:56 +08:00 via Android 网购更多的情况是不满意再买一个 |
 | 8 235777178 2021-10-29 17:18:29 +08:00 |
Select Language