基于用戶偏好的建模，能夠通過(guò)用戶畫像分析出用戶的興趣愛好、性別、職業(yè)、購(gòu)買能力等信息，依據(jù)這些信息來(lái)進(jìn)行相應(yīng)的推薦。
正如之前所提到的多屏捕捉，不管是移動(dòng)APP，還是微信，多屏所帶來(lái)的是更加場(chǎng)景化的數(shù)據(jù)，例如在休息或者碎片時(shí)間中往往會(huì)通過(guò)移動(dòng)終端進(jìn)行購(gòu)買，對(duì)這種場(chǎng)景化的數(shù)據(jù)收集能夠進(jìn)一步的豐富用戶模型，使個(gè)性化推薦更加準(zhǔn)確。
在地域上，同樣能夠獲得許多有用的數(shù)據(jù)。在京東的數(shù)據(jù)建模中，將北京劃分為多個(gè)網(wǎng)格，這樣能夠很好的知道，像三里屯的用戶感興趣的商品更多為酒類，學(xué)校周邊更多集中在生活用品上。
除了上述的3種模型，京東還有多種根據(jù)數(shù)據(jù)所構(gòu)建的模型，而這些模型也并不是各自為戰(zhàn)的?；诜治黾夹g(shù)，將多個(gè)模型融合在一起，才能使總體流量的價(jià)值最大化。顯然，對(duì)于效果的優(yōu)化，沒有最好只有更好。在多種模型組合的基礎(chǔ)上京東還加入了新的推薦排序，在原有的排序?qū)W習(xí)算法上，將排序問題轉(zhuǎn)化為分類問題，這種調(diào)整使得分析結(jié)果又夠得到了20%的提升。
還能更好嗎?當(dāng)然可以，在未來(lái)京東會(huì)將自己的DNN(深度學(xué)習(xí))技術(shù)引入到推薦排序當(dāng)中。要知道這項(xiàng)技術(shù)是被用于京東智能機(jī)器人上的，相信有這項(xiàng)技術(shù)的加入，在未來(lái)，京東首頁(yè)上的猜你喜歡能夠給你帶來(lái)驚喜。