推荐系统入门

应邀做一个推荐算法，推荐工程师入门指南，一方面是相当于对自己过往工作的一个总结，另一方面希望对想入门的同学有所帮助。主要分为以下四个部分，都只做入门级别简单介绍，另外尽可能的附上源码和原理介绍。

一、综述

1、何为推荐系统

推荐系统本质上就是一个信息过滤系统，通常分为：召回、排序、重排序这3个环节，每个环节逐层过滤，最终从海量的物料库中筛选出几十个用户可能感兴趣的物品（商品，新闻，短视频等）推荐给用户。

                                            （企业级别的完整的推荐系统）

召回：相当于一个粗排，一般从召回策略（如推荐热门文章、命中某类标签的文章等等）、双塔模型（学习用户及物品的embedding，内积表示预测意向概率）、FM及CF等模型做召回、知识图谱（知识图谱表示学习，知识推理用户对物品的兴趣程度）、用户（多兴趣）行为序列预测做召回等等。

排序：一般分为粗排和精排。

粗排层：利用规则或者简单模型对召回的物品进行排序，并根据配额进行截断，截取出 Top N （一般以千为单位）条数据输出给精排层，配额一般分业务场景。

精排层：利用大量特征的复杂模型，对物品进行更精准的排序，然后输出给重排层，整个精排环节的输出量往往以百为单位。粗排、精排的环节是推荐系统最关键，也是最具有技术含量的部分。

重排层：主要以产品策略为导向进行重排（及融合），常见策略如去除已曝光、去重、打散、多样性、新鲜度、效益优先等策略，最后生成用户可见的推荐列表，整个融合和重排环节的输出量往往以几十为单位。

高校学生课题一般数据量级不是很大，直接精排模型就能搞定，也容易更有技术含量。

二、常用精排算法

1、决策树模型

决策树作为推荐系统早期经典的模型，常用的一般有XGBoost,lightGBM。决策树的优点：

1）上手快：相比于深度学习模型，无论是从模型原理还是从代码应用上都比较简单

2）效果佳：相比于传统的协同过滤和逻辑回归，决策树对于数据的拟合能力更强，效果较好，一般常作为base模型，然后在此基础上再迭代深度学习模型。

3）可解释性较好：相比于深度学习模型这种黑盒，决策树具有更好的可解释性，可以给出特征重要度，进行特征选择或者是模型打分的分析。（论文当中可以多贴图，做一些可视化的分析）

决策树特征选择和TreeShap归因参考：如何获得XGBoost模型的可解释性_特征

决策树原理介绍和代码参考：【精选】XGBoost与Light-GBM算法_xgboost lightgbm_星幻夜极的博客-CSDN博客

2、深度学习模型

1）Wide&Deep

与其说广深（Wide&Deep）模型是一种模型，倒不如说是一套通用的范式框架。Wide&Deep 模型由 LR+MLP 两部分并联组成，综合了传统机器学习和深度学习的长处。

• Wide 部分根据历史行为数据推荐与用户已有行为直接相关的物品；一个LR模型，通过拟合数据，偏记忆功能。
• Deep 部分负责捕捉新的特征组合，从而提高推荐的多样性。NN模型，通过高阶的学习，提升模型的泛化能力。

2）DeepFM

深度因子分解机（Deep Factorization Machine，DeepFM）模型是从广深（Wide&Deep）框架中演化出来的一种模型。它使用 FM 模型替换掉了 LR 部分，从而形成了 FM&Deep 结构。

引入FM可以得到二阶交叉特征，代替人工做特征组合。

FM原理参考：特征交叉 | FM：embedding化特征交叉鼻祖 - 知乎

github上封装好的deepFM代码:https://github.com/shenweichen/DeepCTR/blob/master/deepctr/models/deepfm.py

也可以自己基于tensorflow实现：https://www.cnblogs.com/zmxc/p/16968696.html

三、特征工程

1、数据清洗

删除异常数据，避免噪声的引入；缺失值填充等。

2、数据标准化

一般与距离无关的概率模型不需要做标准化，比如决策树模型，深度学习模型需要归一化。

为什么需要标准化以及常用的标准化方法参考：深度学习炼丹-数据标准化 - 知乎

3、数据分桶

具体参考：一文带你了解数据分箱技术：让数据更有价值 - 知乎

四、衡量指标

1、离线

常用的离线指标有auc(整体样本间的排序能力),gauc（每个用户auc然后加权平均），MAPE等

具体实现可参考：

动手实现推荐系统评价指标AUC，GAUC，NDCG，HitRate，MRR，Recall，LogLoss - 知乎

回归预测模型的常见评估指标（MAE，MSE，MAPE等） - 知乎

2、在线

在线评估参考具体业务场景，电商推荐一般是CTR，CTCVR等；

内容和短视频推荐一般是停留时长，下滑步长，CTR等；

参考：

一窥推荐系统的原理 一窥推荐系统的原理 - 简书