亚马逊强关联和弱关联（差别与使用场景）

亚马逊强关联和弱关联（差别与使用场景）

亚马逊是全球最大的电商平台之一，拥有亿万级的用户。其宏大的数据资源成为了亚马逊推荐引擎的基础。在商品的推荐流程中，亚马逊采用了强关联和弱关联两种算法模型。那么，什么是亚马逊强关联和弱关联，它们之间有什么差别和使用场景呢？本篇文章将差异进行介绍。

1.强关联

强关联（Association）是指两个或多个商品之间的依附水平。具体来说，如果用户购置了商品A，那么他们也可能会购置商品B。这个“也可能”是指这样的情形涌现的频率对比高，可以通过大批用户的行为记录来盘算得到。例如，在上衣商品中，黑色长袖t恤和短袖牛仔衬衫之间存在强关联，那么这两个商品就可以进行共同推荐，即“您还会喜欢这个”等。强关联在亚马逊相对常见，因为亚马逊商品品类丰富，很多商品之间存在明显的依附关系。

2.弱关联

弱关联（Collaborativefiltering）是指依据用户的交互数据，通过社交网络或用户之间的相似度盘算来推荐商品。这种办法的特征是可以发觉用户潜在的兴致喜好，从而精确地推荐商品，进一步用户购置的精准性。例如，在亚马逊中，购置了夏天穿的衣服的用户，有可能会对夏天休闲鞋感兴致。因此，在弱关联算法中，会将购置了同类商品的用户归为一组，并依据他们的行为和兴致，推荐其他相关商品。

3.强关联和弱关联的差别

强关联和弱关联都是用于推荐商品的算法模型，但二者有明显的差别。

首先，强关联算法更加“直白”，即它依附于用户购物车中的商品物品，而与其他用户无关，因此容易造成相对穿越。而弱关联算法依附于用户之间的相似水平，需要盘算出用户之间的相似性指数和距离，因此需要大批的数据处置和盘算资源。

其次，强关联算法更容易引入噪声，即如果一个用户购置了非常不寻常或与其它用户的行为不一致的商品，会造成推荐结果的干扰。而弱关联算法通过思考多个用户的数据来减小噪声的影响。

最后，在使用场景上，强关联算法通常用于各个商品之间存在明显依附关系时，例如，食品和饮料，穿着搭配等；而弱关联算法更实用于各种不同类型的商品，通过用户之间的相似性来推荐产品。

4.总结

亚马逊推荐引擎的成功建立是以其宏大的数据资源为基础的。强关联和弱关联作为其核心算法模型，在推荐系统中起到了至关关键的作用。依据不同的推荐场景，选择不同的算法模型是非常必要的。在实际使用中，可以通过交叉验证和不断改良算法模型，来进一步推荐系统的精准度和用户购置率，从而实现连续的流量和转化增加。