推荐系统应用场景
推荐系统（Recommender System，简称RES），支持深度智能挖掘用户和物品的关联关系，将对应场景的推荐结果推送给用户，代替低纬度的人工规则，提升了相关运营指标和用户的体验。包含了互联网信息流，短视频/直播/音乐/阅读，广电媒资，社交，电商等场景。
RES+电商应用场景
场景描述
电商场景中，通常涉及首页推荐、购物车推荐、买了又买等推荐场景，但各个子场景的运营规则均不一致。
RES提供一站式电商推荐 解决方案 ，在一套数据源下，支持多种电商推荐场景，提供面向电商推荐场景的多种推荐相关算法和 大数据 统计分析能力。
场景优势
能够精确匹配电商运营规则。
最近邻算法与深度学习的结合，挖掘用户高维稀疏特征，匹配最佳推荐结果。
融合多种召回策略，网状匹配兴趣标签。
改善用户体验，同时降低人工成本。
画像与深度模型结合，助力营收收益增长。
图1 RES电商推荐
RES+媒资应用场景
场景描述
媒资推荐场景中，通常对实时性要求比较高，用户产生的行为需要得到即时的反馈，同时结合用户的长期兴趣和短期兴趣进行个性化推荐。
RES提供一站式媒资推荐解决方案，支持针对行为数据实时生成用户的兴趣标签，提供离线、近线、在线三层计算，完成千人千面的个性化媒资推荐。
场景优势
可以实现7*24小时，智能学习用户行为，构建兴趣模型。
兴趣文章命中率高，用户粘性增强，PV增幅明显。
减少人工运营规则的摄入，减低人力成本。
全流程 自动化 ，批/流训练结合，稳定可靠。
图2 RES媒资推荐
RES+房产应用场景
场景描述
推荐系统助力房产企业APP实现首页推荐、详情推荐和个人中心推荐。
场景优势：
支持基于经纬度的向量召回，根据地理位置召回高匹配度的附近房源。
特征标签网状匹配。
通过卡证识别，快速完成快递录单、手机开户等场景信息录入，实名认证。
