2013-6 阿里技术沙龙：标签生成与推荐系统

倪江峰 伯隅@阿里的分享：标签、推荐、导购

0.27%的关键字占50%PV，以标签作为中间环节

标签为四种：品牌，品类，描述，属性

标签数据库：标题、结构化数据、详情

产品词挖掘：CRF模型

商品结构化属性：半开放式结构

描述词整理：LDA模型

不同类型的词之间的关系挖掘

机器标签---场景导购

标签市场化----买卖双方的标签消费

标签个性化

结合可视化做场景发现

目前这个标签系统仅做导购入口，与检索搜索无关----主要给商品更多的流量入口渠道

------------------------------------------

杨宇航@百度：推荐技术在UGC产品中的应用

领域业务主体可以考虑本体模型方式建模

豆瓣曾工程师的分享：NIP与豆瓣标签

标签是一种有意义的片段

用简化的方式描述对象

标签预测，用户画像，标签推荐

标签的提取

内部领域词库，使用n-gram生成候选词

词的内部独立性与外部独立性

词性标准---标签选择，词频特征

TF/IDF，TextRank，基于图的排序算法

主题模型：精度高但费时

DNN：WordZrec工具包

标签树有助于扩类别的推荐

Latent Factor：隐次特征