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)生的商品評論，將其按照價(jià)值由大到小進(jìn)行排序，評論的價(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）評論內(nèi)容表示
（3）商品和評論的相似性計(jì)算
4、排序模型
5、效果評估
（1）測試方法
（2）衡量指標(biāo)
（3）效果對比及分析
6、作弊與反作弊
7、評論智能排序-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、 長尾query的智能糾錯(cuò)?