引子

本次培训主要结合电商的实际应用，阐述了自然语言处理（NLP），数据挖掘（DM）和机器学习（ML）算法的落地和产出过程，对于在大数据处理方面的技巧和变现能力会有很大的提升。

第一单元

关联规则（Apriori）算法在实际应用中的优化

该单元介绍基本关联规则算法在电商实际订单数据中的问题，以及对于问题空间预估保证提升空间的前提下，优化关联规则模型的过程。

1、 传统关联规则算法

2、“最佳拍档”中的关联规则

讲述了基本的关联规则算法

3、问题发现与分析

（1）订单数据反作弊

（2）数据+算法融合的角度

（3）badcase实例印证

4、效果空间预估

5、算法改进

6、效果的衡量

（1）上线前：Debug工具

（2）上线：ABtest系统

7、ROI分析

8、案例启示&下一步尝试

第二单元

商品评论排序对于用户购买的影响

该单元介绍了如何处理用户产生的商品评论，将其按照价值由大到小进行排序，评论的价值取决于影响用户快速决策购买商品的信息量。

1、背景介绍

2、评论排序因素

3、内容相关性计算

（1）商品内容表示

（2）评论内容表示

（3）商品和评论的相似性计算

4、排序模型

5、效果评估

（1）测试方法

（2）衡量指标

（3）效果对比及分析

6、作弊与反作弊

7、评论智能排序-ROI分析

第三单元

商品“冷启动” -基于语义主题的新品推荐

该单元以电商商品推荐为例，讲述了在没有用户行为的情况下，如何将小众或新上市的商品进行准确的展现，提高用户体验的同时带来更多的流量。

1、马太效应

2、商品的冷启动

3、基于内容的主题特征抽取

（1）语义主题特征

（2）特征关联

4、正负样本形成

5、CTR预估模型

6、效果衡量与分析

第四单元

用户行为分析

根据不同场景的用户行为，挖掘潜在有价值信息或者用户意图。

1、商品互补类识别

2、 优质用户挖掘

3、 品牌相似性计算

4、 用户点击商品行为建模

5、 用户新闻兴趣建模

6、 长尾query的智能纠错