多模态混合推荐系统
面向无明确购买意图的浏览用户,设计并实现了一套结合内容、规则与协同过滤的混合推荐系统。系统利用多模态特征(图像与文本)进行候选集生成,通过多策略融合提升了推荐的准确性与多样性。
核心技术栈:
多模态特征提取: 使用 DINO v2 (Vision Transformer) 提取商品图像特征,利用 GloVe 提取商品文本属性特征,实现商品表征向量化。
召回与推荐算法:
基于内容: 基于欧氏距离计算多模态向量相似度,实现“相似商品推荐”。
协同过滤: 采用 ALS(交替最小二乘法) 进行矩阵分解捕获潜在兴趣;利用 Item2Vec 学习商品序列的上下文关联。
基于规则: 根据用户画像(年龄、地域)进行流行度分桶推荐,并构建共购矩阵进行关联商品推荐。
重排与集成: 采用基于排序得分的多路召回集成机制(Ensemble),产出最终推荐列表。