ES7+Spark 构建高相关性搜索服务&千人千面推荐系统

admin

游客，如果您要查看本帖隐藏内容请回复

                               
   
        
            
                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
                        
                    
               
            
        
   
                               

游客，如果您要查看本帖隐藏内容请回复