編輯導(dǎo)語：隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的APP開始進(jìn)行精準(zhǔn)化的算法推薦，算法的應(yīng)用越來越普及，但算法有利也有弊。近期，國家便對算法進(jìn)行了整治，但綜合來說，算法的精準(zhǔn)推送利大于弊。本文就幾種基礎(chǔ)的算法進(jìn)行了總結(jié)與思考，與大家一同探討。

隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的App開始進(jìn)行精準(zhǔn)化的推薦。隨之而來的則是千人千面，算法的應(yīng)用以及維度的分析越來越精確。是好事也非好事，雖然增加了沉浸式的體驗(yàn)，但在娛樂化的平臺則物極必反，自發(fā)用戶高質(zhì)量的內(nèi)容減少，隨之而來的則是無趣及用戶體驗(yàn)的疲勞。

但是綜合來講精準(zhǔn)推薦利大于弊，它是很好的增加用戶粘性的一種方式，今天只是說幾種最基礎(chǔ)的算法，對于精準(zhǔn)推薦的利弊，在接下來的文章會(huì)進(jìn)行詳細(xì)的分析。以下僅個(gè)人觀點(diǎn)，不喜勿噴。謝謝大家。

我們先以標(biāo)簽為例來進(jìn)行分析。

一、算法的基礎(chǔ)

Apriori算法用于挖掘出數(shù)據(jù)關(guān)聯(lián)規(guī)則的基礎(chǔ)算法，它用來找出數(shù)據(jù)值中頻繁出現(xiàn)的數(shù)據(jù)集合，找出這些集合的模式有助于我們做一些決策。

比如在常見的超市購物數(shù)據(jù)集，或者電商的網(wǎng)購數(shù)據(jù)集中，如果我們找到了頻繁出現(xiàn)的數(shù)據(jù)集，那么對于超市，我們可以優(yōu)化產(chǎn)品的位置擺放，對于電商，我們可以優(yōu)化商品所在的倉庫位置，達(dá)到節(jié)約成本，增加經(jīng)濟(jì)效益的目的。

同樣一個(gè)用戶總瀏覽相同的形式的內(nèi)容，那么你就更加精確發(fā)現(xiàn)其興趣點(diǎn)，及其其他相關(guān)產(chǎn)品進(jìn)行推薦。

Aprior算法是一個(gè)非常經(jīng)典的挖掘算法，很多算法都是基于Aprior算法而產(chǎn)生的，包括FP-Tree、GSP、CBA等。這些算法利用了Aprior算法的思想，但是對算法做了改進(jìn)。生命的真諦不就是在于不斷進(jìn)步？

二、FP Tree算法

這個(gè)算法是我在剛進(jìn)行算法精推時(shí)的首選，結(jié)構(gòu)比較簡單，適用于剛剛搭建的階段。

這里對FP Tree算法流程做一個(gè)歸納。FP Tree算法包括以下幾步：

1）首先掃描數(shù)據(jù)，得到所有頻繁1項(xiàng)集的的計(jì)數(shù)。然后刪除支持度低于閾值的項(xiàng)，將1項(xiàng)頻繁集放入項(xiàng)頭表，并按照支持度降序排列。項(xiàng)頭表支持度必須大于百分之20才可進(jìn)行記錄其中。

2）其次將原始數(shù)據(jù)剔除支持度低于百分之20的數(shù)值，重新得到數(shù)據(jù)集。

3）讀入排序后的數(shù)據(jù)集，插入FP樹，插入時(shí)按照排序后的順序，插入FP樹中，排序靠前的節(jié)點(diǎn)是祖先節(jié)點(diǎn)，而靠后的是子孫節(jié)點(diǎn)。如果有共用的祖先，則對應(yīng)的公用祖先節(jié)點(diǎn)計(jì)數(shù)加1。插入后，如果有新節(jié)點(diǎn)出現(xiàn)，則項(xiàng)頭表對應(yīng)的節(jié)點(diǎn)會(huì)通過節(jié)點(diǎn)鏈表鏈接上新節(jié)點(diǎn)。直到所有的數(shù)據(jù)都插入到FP樹后，F(xiàn)P樹的建立完成。

4）從項(xiàng)頭表的底部項(xiàng)依次向上找到項(xiàng)頭表項(xiàng)對應(yīng)的條件模式基遞。從條件模式基遞歸挖掘得到項(xiàng)頭表項(xiàng)的頻繁項(xiàng)集。

5）如果不限制頻繁項(xiàng)集的項(xiàng)數(shù)，則返回步驟4所有的頻繁項(xiàng)集，否則只返回滿足項(xiàng)數(shù)要求的頻繁項(xiàng)集。

這樣有相同的因素出現(xiàn)時(shí)，我們可以簡單的理解為其相關(guān)性，這些相關(guān)性我們可以把標(biāo)簽當(dāng)作一個(gè)值來進(jìn)行系統(tǒng)的初期分配。

同樣還有其他的算法GSP,?CBA、CBA算法+關(guān)聯(lián)Apriori算法、

機(jī)器學(xué)習(xí)-規(guī)則與關(guān)聯(lián)規(guī)則模型Apriori、FP-Growth等有待發(fā)掘。

三、其他形式

當(dāng)然算法不能只關(guān)注標(biāo)簽的應(yīng)用。同樣以某短視頻為例。其搜索的算法還包含，當(dāng)下熱點(diǎn)、用戶的瀏覽記錄、關(guān)注的事物、以及標(biāo)簽、搜索熱詞等等。這些均需算法進(jìn)行推動(dòng)才可以做到千人千面，達(dá)到商業(yè)價(jià)值。把商業(yè)價(jià)值做到無感又大的流量曝光才是王道。

這是我前端時(shí)間對標(biāo)簽化算法的思考進(jìn)行一個(gè)記錄、能力不高請多擔(dān)待。如有大神還是蠻樂意去學(xué)習(xí)的。

作者：苗小豐

本文由 @汪仔5338 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于 CC0 協(xié)議