系统基础知识与整体框架详细设计.pdfVIP

推荐系统的基础知识与整体框架详细设计

一、推荐算法的理解2

二、推荐系统的整体框架2

三、用户画像

.1用户标签

.2用户画像的分类

.2.1.原始数据4

.2.2.事实标签4

.2..模型标签5

四、内容画像5

4.1内容画像5

4.2环境变量6

五、算法构建6

5.1推荐算法流程6

5.2召回策略8

5.粗排策略9

5.4精排策略9

5.4.1精排目标9

5.4.2精排模型11

5.4.逻辑回归最简单Model-based模型14

5.4.4深度学习一一当前必威体育精装版发展方向16

5.5重排层策略20

5.5.1EE问题20

5.5.2多样性问题21

5.5.上下文问题21

5.6冷启动22

5.6.1用户冷启22

5.6.2内容冷启2

六、当前发展2

七.算法衡量标准25

7.1指标选择25

7.2推荐效果26

八.算法之外27

8.1推荐算法是否会导致信息不平等和信息茧房？27

8.2算法可能产生的蝴蝶效应27

8.2.1推荐算法对feed传播的影响28

8.2.2推荐算法对平台的影响29

一、推荐算法的理解

如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更

加有效率的连接，节约大量用户与内容和服务连接的时间和成本。如果把

推荐系统简单拆开来看，推荐系统主要是由数据、算法、架构三个方面组

成。

.数据提供了信息。数据储存了信息，包括用户与内容的属性，用户

的行为偏好例如对新闻的点击、玩过的英雄、购买的物品等等。

这些数据特征非常关键，甚至可以说它们决定了一个算法的上

限。

.算法提供了逻辑。数据通过不断的积累，存储了巨量的信息。在巨

大的数据量与数据维度下，人已经无法通过人工策略进行分析干

预，因此需要基于一套复杂的信息处理逻辑，基于大量的数据学

习返回推荐的内容或服务。

.架构解放了双手。架构保整个推荐自动化、实时性的运行。架构

包含了接收用户请求，收集、处理，存储用户数据，推荐算法计

算，返回推荐结果等。一个推荐系统的实时性要求越高、访问量

越大，那么这个推荐系统的架构会越复杂。

二、推荐系统的整体框架

客户爱

用户与内容

协设接入

接入调度层1

分发调度

消

息

队