IT视频教程资源网
标题:
ES7+Spark 构建高相关性搜索服务&千人千面推荐系统
[打印本页]
作者:
admin
时间:
2022-5-18 00:18
标题:
ES7+Spark 构建高相关性搜索服务&千人千面推荐系统
集结新版热门技术,解决长久热点问题-“相关性搜索+个性化推荐”
无论电商还是信息服务类业务,搜索和推荐都是始终要面对的问题,能解决好这类问题的工程师也将“价格不菲”
Java SpringBoot 2.15版本
基础业务服务
以“大众点评”为案例
搭建点评后台管理系统
维护商户服务的业务数据
ElasticSearch 7.x版本
搜索引擎服务
分布式站内搜索引擎
实现高相关性匹配
发现用户深层需求
Spark MLlib 2.x版本
机器学习推荐
召回及排序算法
实现门店推荐服务
提升浏览点击率和交易转化率
“迭代式”开发与讲解:一个高相关性分布式搜索引擎的打造过程
从零到项目成型,实现功能的基础上进行多次重构、迭代、调优,让你真实看到技术升级的好处
基础项目搭建
用户模型建设
运营后台建设
商户模型建设
服务模型建设
门店模型建设
使用业务系统与数据库
搭建搜索V1.0架构
-基于Lbs+关键字查询数据
实现关键词搜索
多条件筛选过滤搜索
使用ElasticSearch 7
搭建搜索V2.0架构
-基于logstash-input-jdbc 自动导入
建立全量及时间戳增量的索引
-基于canal准实时解析Binlog
建立准实时索引
-基于ElasticSearch提供的分词,索引,搜索,自定义排序模型
建立点评搜索模型
-基于扩展词库,同义词,词性识别
完成相关性搜索高阶能力
迭
代
“千人千面推荐系统” 初探与扩展
带你初探“千人千面”,让你相对容易的入门,讲师会长期维护本课程,后续将为你扩展更多内容
Spark MLlib机器学习
推荐v2.0架构
发掘改造推荐1.0架构中的不足
实现ALS推荐召回算法
LR推荐排序算法
完成个性化的千人千面推荐
推荐系统扩展
(后续随课更新)
使用协同过滤完成个性化召回及GBDT个性化排序算法
介绍用户画像,商品画像模型
引入LTR(learning to rank)的机器学习排序模型
包括但不限于以上几点,还有更多扩展哦!
以“大众点评”项目为例,在具体场景中看清技术应用效果
“猜你喜欢”个性推荐
关键词+多条件筛选搜索
商家管理后台
适合人群
想了解EasticSearch,对搜索推荐系统感兴趣,
符合技术储备的同学
技术储备要求
熟悉JavaWeb基本应用
了解MySQL常用命令
欢迎光临 IT视频教程资源网 (https://zhilexue.tech/)
Powered by Discuz! X3.2