第1章 互联网的增长引擎——推荐系统

• 推荐无处不在

  • 电商

  • 视频

  • 资讯

  • 音乐

  • ……

• 推荐的作用

  • 对用户：在信息过载的情况下，高效获取感兴趣的信息

  • 对公司：吸引用户、留住用户、商业变现、商业目标连续增长

• YouTube推荐系统

  • 观看时长是优化目标

  • 广告是其主要收入来源

  • 观看时长与广告曝光成正比，提升观看时长推动公司利润持续增长

  • 预测观看时长->按预测时长对候选视频排序->形成推荐列表

• 电商平台推荐系统

  • 推荐的商品直接影响用户的购买转化率

• 推荐系统架构

  • 用户信息、物品信息、场景信息

  • 数据部分

    • 客户端及服务端实时数据处理

    • 流处理平台准实时数据处理

    • 大数据平台离线数据处理

    • 生成推荐模型所需的样本数据，用于算法模型的训练和评估

    • 生成推荐模型服务所需的“特征”，用于线上推断

    • 生成系统监控、商业智能系统所需的统计型数据

    • 挑战：

      • 海量数据实时处理

      • 特征的实时处理

      • 线上模型服务过程的数据实时获取

  • 模型部分

    • 召回层

    • 粗排

    • 精排

    • 重排

      

  • 深度学习对推荐系统的革命性贡献

    • 对数据模式的拟合能力和对特征组合的挖掘能力更强

    • 模型结构灵活，可根据不同推荐场景调整模型，与特定业务数据“完美”契合