电商商品推荐算法系统
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
独立设计并实现电商平台商品推荐引擎，融合协同过滤（UserCF/ItemCF）、深度学习召回（双塔模型 DSSM）与 GBDT 排序模型三级架构。基于 Spark 处理 5000 万 + 用户行为日志，使用 Faiss 实现百万级商品向量毫秒级检索。上线后首页推荐点击率提升 34%，人均浏览商品数增长 28%，GMV 贡献占比达 22%。技术栈：Python、PyTorch、Spark、Redis、Faiss。
电商商品推荐算法系统
联系该工程师
微信扫码，建群沟通
案例介绍
独立设计并实现电商平台商品推荐引擎，融合协同过滤（UserCF/ItemCF）、深度学习召回（双塔模型 DSSM）与 GBDT 排序模型三级架构。基于 Spark 处理 5000 万 + 用户行为日志，使用 Faiss 实现百万级商品向量毫秒级检索。上线后首页推荐点击率提升 34%，人均浏览商品数增长 28%，GMV 贡献占比达 22%。技术栈：Python、PyTorch、Spark、Redis、Faiss。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
