商品详情页中部和底部推荐位推荐系统-京东
2026-05-04 22:03:34
行业：电商、人工智能
载体：安卓APP、IOS APP
技术：Python、SQL、TensorFlow Lite、Transformers
业务和功能介绍
1、立项背景和目标
为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。
2、核心功能模块
系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。
3、业务流程描述
用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。
为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。
2、核心功能模块
系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。
3、业务流程描述
用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。
项目实现
精排层作为漏斗最终环节，直接决定推荐结果质量。我主要参与精排MMOE模型的优化，核心挑战有二：
难点一：CTR与CVR的目标冲突。 高点击商品往往客单价低、转化差，联合训练易陷入“跷跷板”效应。解决方案：在MMOE架构中引入梯度隔离，为CTR和CVR设置独立门控网络，减少共享层负迁移；同时采用自适应任务权重，根据训练阶段动态调整学习率。
难点二：敏感品类下推荐位的“空窗”问题。 成人用品、管制刀具等敏感商品本身可正常销售，但平台禁止在推荐位直接展示同类敏感商品。中部推荐位定位“同品类私域流量”，当主商品属于敏感品类时，模型无法推荐同类商品，导致推荐位出现空缺或召回率骤降。解决方案：在不展示具体敏感品的前提下，引导用户至品类聚合页或白名单内的周边关联商品，如情趣内衣品类的清洗液、收纳盒等合规周边，既填补曝光空白，又承接住私域流量。
难点一：CTR与CVR的目标冲突。 高点击商品往往客单价低、转化差，联合训练易陷入“跷跷板”效应。解决方案：在MMOE架构中引入梯度隔离，为CTR和CVR设置独立门控网络，减少共享层负迁移；同时采用自适应任务权重，根据训练阶段动态调整学习率。
难点二：敏感品类下推荐位的“空窗”问题。 成人用品、管制刀具等敏感商品本身可正常销售，但平台禁止在推荐位直接展示同类敏感商品。中部推荐位定位“同品类私域流量”，当主商品属于敏感品类时，模型无法推荐同类商品，导致推荐位出现空缺或召回率骤降。解决方案：在不展示具体敏感品的前提下，引导用户至品类聚合页或白名单内的周边关联商品，如情趣内衣品类的清洗液、收纳盒等合规周边，既填补曝光空白，又承接住私域流量。
示例图片视频
相似推荐
将企业微信群中杂乱的需求消息，自动转化为可执行、可追溯的代码任务，打通沟通与执行之间的最后壁垒。-task-automation
本系统通过 API Gateway + Workers 微服务架构，实现从企业微信群消息到代码生成的全链路自动化。网关作为唯一公网入口，负责消息分发和路由，各业务模块通过 REST API 通信，可独立部署和扩展。
1. 智能任务解析与路由
LLM混合调度：根据任务复杂度自动选择本地Ollama（简单/中等任务）或云端Claude/GPT（复杂任务）。
去重与过滤：网关层对重复消息自动去重，避免同一任务多次触发。
2. 人机协同决策
确认机制：分析后的任务需用户通过飞书卡片确认或修改，支持超时自动取消或推迟（later状态）。
安全拦截：执行前可配置危险操作（如删除文件、高危命令）的拦截规则。
3. 多端集成与闭环记录
企业微信捕获：通过ntwork或UIAutomation监听群消息。
飞书多维表格：自动记录任务ID、标题、描述、代码仓库链接、完成状态等，形成可追溯的工作台账。
4. 灵活的部署与执行模式
双模式运行：单进程模式（开发/测试）与分布式模式（生产可扩展）。
干跑模式：支持--dry-run，在不实际执行代码的情况下验证全流程。
5. 可观测性与调试
提供/health、/queue/status、/tasks/{task_id}等接口，实时查看任务状态与队列积压。
支持--log-level DEBUG，便于排查问题。
商品详情页中部和底部推荐位推荐系统-京东
1、立项背景和目标
为解决商品详情页跳出率高的问题，我们小组主要负责推荐系统算法的升级，核心目标直指CTR与CVR的双提升。中部模型聚焦“私域截流”，强化同店关联商品的精准命中；底部模型负责“全域承接”，在用户离开前实现跨品类兴趣的深度挖掘与流量最大化。
2、核心功能模块
系统涵盖多路召回、粗排、精排三层架构。召回层采用多源策略，包含商品协同过滤、用户行为序列、店铺热门及品类相似等独立通路，从千万级候选池中高效召回多样化候选商品。精排引入Transformer，利用自注意力机制深度捕捉用户行为序列中的长期依赖与瞬时意图。且精排采用MMOE多目标架构，通过共享专家网络与CTR、CVR独立塔式网络，平衡多目标预测冲突。中部模型强化同店特征权重，底部模型拓展跨品类兴趣信号，并通过A/B实验框架持续迭代。
3、业务流程描述
用户浏览触发推荐请求后，先由多路召回并行拉取候选集，汇总去重后进入粗排层。粗排用Transformer编码用户行为序列快速截断至数百个候选商品。精排阶段，MMOE模型对候选商品并行预估CTR与CVR，经加权融合生成最终排序。中部场景强约束同店商品，底部场景进行跨品类重排序。最终列表实时返回前端，所有曝光与点击事件回流至模型训练管道，驱动模型在线持续学习。
安全工具-SecScan
SenScan - 文本安全扫描工具
SenScan 是一款专业的文本信息安全扫描工具，支持自定义规则扫描，可穿透多种压缩文件格式，输出 Excel 报告。
功能特性
多格式支持: 支持 ZIP、RAR、7Z、TAR、GZ 等多种压缩格式
规则引擎: 支持正则表达式和明文关键词匹配
压缩穿透: 自动递归解压嵌套压缩文件
Excel 输出: 生成格式化的 Excel 报告，按规则文件分组
智能输出: 自动分批输出（每5000条结果一个文件）
特漪商城
一、立项背景和目标
随着健康日化消费线上化趋势的加剧，用户对口服、外用、美妆及日用健康类产品的线上选购需求日益旺盛。为打破线下渠道的时空限制，打造品牌专属的私域流量阵地，同时为用户提供便捷、透明的一站式购物体验，我们立项开发了特漪商城小程序。项目旨在构建一个集产品展示、交易转化与用户运营于一体的垂直电商平台，高效传递品牌价值，提升用户粘性与销售转化效率。
二、核心功能模块介绍
小程序围绕用户消费全流程，搭建了五大核心模块：
首页模块：作为流量入口，集成品牌形象展示、搜索栏、分类导航、活动 banner 及商品推荐。用户可快速定位口服、外用、化妆品、日用等六大系列产品，直观获取主推商品与活动信息。
商城模块：核心交易阵地，提供全品类商品详情、规格选择、用户评价及收藏分享功能，完整呈现产品卖点，支持直接下单或加入购物车。
购物车模块：整合待购商品，支持批量勾选、数量修改、一键结算，自动计算优惠与订单金额，简化下单流程。
微视频模块：通过短视频形式展示产品场景与用户反馈，实现 “内容种草 - 直接下单” 的闭环转化，增强用户信任度。
个人中心模块：提供订单管理、地址维护、优惠券、收藏夹及售后入口，为用户提供一站式服务支持，提升留存与复购意愿。
三、业务流程与功能路径
用户核心业务流程清晰高效：进入小程序后，可通过首页搜索或分类导航快速找到目标商品，查看详情后加入购物车或直接下单；结算时自动应用优惠，完成支付后可在个人中心查看订单状态与物流信息；收货后可评价或申请售后。同时，微视频模块与首页活动持续引导用户二次消费，形成完整的消费闭环。
薪福荟选
薪福荟选是一个致力于企业员工福利的平台，它皆知在利用当下互联网的发展趋势，来改变传统中公司在节假日期间对员工发放的各种福利，利用互联网以及当下消费方式的巨大改变，让一些企业也可以从原本的线下发放各种实物补贴转变为线上各式各样的补贴形式，使得企业内部不用因为节假日准备各种补贴实物而浪费更多的人力物力；同时薪福荟助力于乡村振兴，皆是利用当下的互联网代领乡村发展，从而成为走向繁荣。本系统后端主要采用 SpringBoot 作为基础框架进行设计，结合 SpringSecurity 来做权限控制，实现多个身份的人员共用同一系统；前端使用 Vue 框架进行数据与效果的展示；小程序端也是使用SpringBoot 作为基础框架进行搭建后端服务，结合微信开放平台开发出特有的微信小程序。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服