长尾效应

开放分类： 网络 、 经济 、 书 、 理论 、 长尾理论 目录 • “长尾”的由来及含义 • 长尾理论的内涵 • 长尾理论的发现 • 深入理解长尾理论 • 长尾理论的实现条件 • 《长尾理论》原书 长尾理论（The Long Tail） “长尾”的由来及含义 [ 编辑本段 ] 　　根据维基百科，长尾（The Long Tail）这一概念是由“连线”杂志主编Chris Anderson在2004年十月的“长尾” 一文中最早提出，用来描述诸如亚马逊和Netflix之类网站的商业和经济模式。 　　“长尾”实际上是统计学中幂律（Power Laws）和帕累托分布（Pareto）特征的一个口语化表达。 　　长尾理论是网络时代兴起的一种新理论，由美国人克里斯·安德森提出。长尾理论认为，由于 成本 和 效率 的因素，过去人们只能关注重要的人或重要的事，如果用 正态分布 曲线来描绘这些人或事，人们只能关注曲线的“头部”，而将处于曲线“尾部”、需要更多的精力和成本才能关注到的大多数人或事忽略。例如，在销售产品时，厂商关注的是少数几个所谓“ VIP ”客户，“无暇”顾及在人数上居于大多数的普通消费者。而在网络时代，由于关注的成本大大降低，人们有可能以很低的成本关注正态分布曲线的“尾部”，关注“尾部”产生的总体效益甚至会超过“头部”。例如，某著名网站是世界上最大的网络广告商，它没有一个大客户

说明：译文摘自 http://www.yeeyan.com/articles/view/dding/41 ，英文原文地址是： http://www.wired.com/wired/archive/12.10/tail.html 。 1988年，英国登山家Joe Simpson写了一本名叫《触摸巅峰》（译者：这是Touching the Void通用的中文翻译的书。该书讲述了在秘鲁安第斯山脉发生的一次与死神擦肩而过的登山事故。这本书颇受好评，但不太畅销，并很快就被人们淡忘了。可十年后，有趣的事发生了。Jon Krakauer写的另一部描写登山悲剧的书《进入稀薄空气》成为了畅销书。突然间读者又开始对《触摸巅峰》 产生了兴趣。 为满足读者要求，Random House出版社立刻再版该书。图书销售商把《触摸巅峰》放在《进入稀薄空气》旁边来促销。《触摸巅峰》越卖越火。来年一月，该书的简装版再版，并连续高居《纽约时报》畅销书排行榜14周之久。同月，IFC制片公司出品了以该书为背景的纪实片，倍受好评。到今天《触摸巅峰》的销售量超过《进入稀薄空气》一倍还多。 到底发生了什么呢？简单地说，是Amazon (亚马逊)的推荐造成了这个现象。 网上书商Amazon的软件注意到不少喜欢《进入稀薄空气》的读者也喜欢《触摸巅峰》，就向购买《进入稀薄空气》的所有读者推荐《触摸巅峰》。读者接受了推荐

文章目录 笔记 业务流程迭代中的模型改进 1.损失函数的选择 2.业务规则融入模型 3.缺失值处理 长尾问题优化 工程开发实践 1.训练实践部分 整体训练流程 数据并行训练方式 TF模型集成预处理 2.TF模型线上预测 笔记 今天在美团技术博客上学习了一下送达时间的预测模型工程化，记录一下。 ETA（Estimated Time of Arrival，“预计送达时间”），即用户下单后，配送人员在多长时间内将外卖送达到用户手中。送达时间预测的结果，将会以”预计送达时间”的形式，展现在用户的客户端页面上，是配送系统中非常重要的参数，直接影响了用户的下单意愿、运力调度、骑手考核，进而影响配送系统整体成本和用户体验。 ETA作为系统的调节中枢，需要平衡用户-骑手-商家-配送效率。从用户的诉求出发，尽可能快和准时，从骑手的角度出发，太短会给骑手极大压力。从调度角度出发，太长或太短都会影响配送效率。而从商家角度出发，都希望订单被尽可能派发出去，因为这关系到商家的收入。 对于ETA建模，不光是简单一个时间的预估，更需要的是全链路的时间预估，同时更需要兼顾”单量-运力-用户转化率”转化率之间的平衡。配送ETA的演变包括了数据、特征层面的持续改进，也包括了模型层面一路从LR-XGB-FM-DeepFM-自定义结构的演变。 业务流程迭代中的模型改进 与大部分CTR模型的迭代路径相似

推荐系统简介 概述 用户有明确需求的情况下，通过搜索引擎找到自己需要的东西。用户没有明确的需求呢？比如说，某个周日的下午，你想看一部电影，但打开视频网站后，面对各种类型的电影，不知如何挑选。推荐系统为了解决这个问题就应运而生； 无论是在互联网上，还是在现实生活中，这两种方式都大量并存，为互补关系。以在商场买东西为例，如果我们清楚地知道自己想要买什么、什么型号、什么款式、什么颜色的话，直接去店里买就好了，这就是“搜索”；如果我们不太清楚自己需要的东西的大小、型号、款式、价格等，那就需要导购来告诉我们哪一款商品符合我们的需求，这就是“推荐”。 从用户的角度来看，搜索引擎和推荐系统是用户获取信息的两种不同手段。搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。 马太效应 & 长尾效应 马太效应（Matthew Effect），指强者越强、弱者越弱的现象。这一理论出自圣经《新约·马太福音》一则寓言： “凡有的，还要加倍给他叫他多余；没有的，连他所有的也要夺过来”，这与“二八法则”相似，通俗来说，就叫“赢家通吃”。百度的搜索点击为例，越是排名靠前的搜索结果，用户越有可能点击，排名靠后的结果以及翻页后的结果被点击的可能性大大减少。 长尾效应。美国《连线》杂志主编Chris Anderson在2004年发表了"The Long