某宝的宝贝相似度算法是怎么处理的？

[v2dead]

话说最近看电子产品比较多，推荐无刷电机可以理解，但相似宝贝为啥是皮裤？感觉智商收到打击，莫非这里面有隐性关联？

还有，淘宝怎么知道我 500 年前就看过那家店，大数据还真是可怕啊。

[est]

降维大力出悲剧

[Morriaty]

目测是因为程序员里的女装大佬越来越多了，由协同过滤推荐产生的。

[just1]

找到你的前世今生

[hadoop]

@Morriaty 有道理，太可怕了

[wjm2038]

淘宝前世啊

[580a388da131]

图片炸了

[Tianao]

我买自锁带还给我推荐 SM 用具呢……

[wdlth]

@Tianao 推荐贞〇锁？果然是云算计……

[akira]

统计所有买了某个产品的人，后续继续买了什么产品，就可以拿来推荐了啊。
进一步的话，就是按不同画像的人来推荐，这种东西，随便一个广告系统应该都有的了

[cuzfinal]

我买了丁香茶后就给我推荐普洱，奶茶和裙子。

[guana]

协同过滤 user-based collaborative filter recommendation system

[qfdk]

给你买过的东西都打上 tag 比如类别 颜色啥的 基本都有相关性 衣服的喜好 颜色也能搞出来 以前做过这样的推荐 每一次点击后台都有 log 的 根据这些 log 搞搞 就出来了

[fcten]

协同过滤无误 (#滑稽

[Immortal]

细腻自然

[rogwan]

为了反大数据窥测，故意收藏、浏览一些无关物品、帮朋友下单一些宝贝，看着下面推荐的宝贝：这绝对不是我 23333

[gam2046]

这类推荐系统多数情况下的实现方法都是基于多维度的最短距离得出的。
比如每个商品都有一些用户不可见的 tag，你每次访问就在对应的 tag 上加权重。所谓相似商品就是在多维度上距离与你最近的 tag 筛选出来，然后再找到与近距离 tag 匹配度最高的商品。

基本原理简化一下，就是平面几何中查找两点之间最短距离，现在只是把维度增加。维度越多，理论上结果越准确（前提是拥有足够的用户量）