25. 典型的信息流架构是什么样的.pdfVIP

从今天起，我们不再单独介绍推荐算法的原理，而是开始进入一个新的模块—— 工程篇。 在工程实践的部分中，我首先介绍的内容是当今最热门的信息流架构。 信息流是推荐系统应用中的当红炸子鸡，它表现形式有很多：社交网络的动态信 息流、新闻阅读的图文信息流、短视频信息流等等。 如果要搭建一个自己的信息流系统，它应该是怎么样的呢？今天，我就来带你一 探信息流架构的究竟。 整体框架 信息流，通常也叫作 feed ，这个英文词也很有意思，就是“喂”给用户的意思。 传统的信息流产品知识简单按照时间排序，而被推荐系统接管后的信息流逐渐成 为主流，按照兴趣排序，也叫作“兴趣 feed” 。 所以我们通常提到信息流，或者兴趣 feed ，其实都是在说同一个话题。 这里温馨提示一下：如果要有哪些信誉好的足球投注网站 feed 相关的技术文章，你应该用“Activity Stream” 作为关键词去搜，而不应该只用“feed”有哪些信誉好的足球投注网站，Activity Stream 之于 feed ，就好比 多潘立酮之于吗丁啉，前者是行话，后者是通俗说法。 要实现一个信息流，整体逻辑上是比较清楚的。可以划分为两个子问题。 1. 如何实现一个按照时间顺序排序的信息流系统？ 2. 如何给信息流内容按照兴趣重排序？ 我这里先给出一个整体的框架，然后再分别详谈。 这张架构图划分成几个大的模块：日志收集、内容发布、机器学习、信息流服务、 监控。这里分别介绍一下： 1. 日志收集，是所有排序训练的数据来源，要收集的最核心数据就是用户在 信息流上产生的行为，用于机器学习更新排序模型； 2. 内容发布，就是用推或者拉的模式把信息流的内容从源头发布到受众端； 3. 机器学习，从收集的用户行为日志中训练模型，然后为每一个用户即将收 到的信息流内容提供打分服务； 4. 信息流服务，为信息流的展示前端提供 Rest API； 5. 监控，这是系统的运维标配，保证系统的安全和稳定等。 数据模型 信息流的基本数据有三个：用户（User）、内容（Activity ）和关系（Connection ）。 用户不用说，就是区别不同用户的身份 ID，我来说一说其他的两种。 1. 内容即 Activity 。 用于表达 Activity 的元素有相应的规范，叫作 Atom ，你可以参考它并结合产品 需求，定义出自己的信息流数据模型来。 根据 Atom 规范的定义，一条 Activity 包含的元素有：Time 、Actor 、Verb 、Object、 Target 、Title 、Summary 。下面详细解释一下这些元素。 1. Time ：即“Activity 发生的时间” 。 2. Actor ：即“Activity 由谁发出的” 。通常 Actor 就是用户 ID，但是我们也 可以扩展到其他拟人化物体上，如关注的一个“店铺” ，收藏的一部“ 电影” ，或者 用户喜欢的一个标签或者分类。也就是和用户建立连接的另一端。 3. Verb ：动词，就是连接的名字，比如“Follow”“Like”等，也可以是隐含的连 接，如挖掘出的用户兴趣词和用户之间这种潜规则。 4. Object ：即动作作用到最主要的对象，只能有一个，比如一个人赞过的一 张照片，店铺上新的一件商品，一个分类下一篇新的文章。 5. Target ：动作的最终目标，与 verb 有关，可以没有。它对应英语中介词 to 后接的事物，比如“John saved a movie to his wishlist” （John 保存了一部电影到清 单里），这里电影就是 Object ，而清单就是 Target 。 6. Title ：这个是 Activity 的标题，用自然语言描述，用于展示给用户。 7. Summary ：通常是一小段 HTML 代码，是对这个 Activity 的描述，还可 能包含类似缩略图这样的可视化元素，可以理解为 Activity 的视图，不是必须的。 举个例子：2016 年 5 月 6 日 23:51:01（Time ）@刑无刀（Actor ）分享了（Verb ） 一条微博（Object ） 给 @极客时间 （Target ）。把前面这句话去掉括号后的内 容就是它的 Ti