推荐系统学习笔记——二、推荐系统包含哪些环节

二、推荐系统包含哪些环节

推荐系统要解决的挑战是：怎样从海量的内容中，挑选出用户感兴趣的条目，并且满足系统50MS~300MS的低延迟要求？

• 系统需要在50毫秒~300毫秒内进行返回：
  • Netflix要求99%的请求在250毫秒内返回
  • 今日头条大概是200毫秒

为了解决这个问题，业界会将推荐服务分为3个环节：召回、排序、调整

1、召回：有两个主要的职责

• 实现巨量的数据降低，比如说亿级别到万级别
• 选取和用户直接相关、间接相关的很粗略的个性化内容
  • 使用方法：协同过滤召回、内容相似召回、图算法召回、热门召回、新课召回等等
  • 要么是和用户相关，要么是系统强推的条目，比如说热门条目、新的条目

召回的策略很多，几十种、上百种。有时候，一个新的推荐系统的效果往往取决于召回这一步所做的事情。

召回结束之后，得到的数据是成万或者上千的，然后进行下一步排序环节

2、排序：个性化排序，使用的技术是一般是机器学习的二分类算法