推荐系统实战第七章 ｜ 推荐系统实例

1、外围架构
数据规模和是否需要实时存取，不同的行为数据将被存储在不同的媒介当中。
需要实时存取的数据存储在数据库和缓存中
大规模的非实时地存取数据存储在分布式文件系统（如HDFS）中。

2、推荐系统架构
推荐系统的核心任务：
1）如何为给定用户生成特征
人口统计学特征、用户的行为特征、用户的话题特征
2）如何根据特征找到物品
最新推荐，商品推荐，推荐不同种类的物品，混合推荐，推荐不同新颖度的产品

多引擎组合成推荐系统
推荐系统是由多个推荐引擎组成的，每个推荐引擎负责一类特征和一种任务，推荐系统的任务只是将推荐引擎的结果按照一定的权重或者优先级合并、排序然后返回。
多引擎组合成推荐系统的好处
1）方便的增加/删除引擎，控制不同引擎对搜索结果的影响。
2）可以实现推荐引擎级别的用户反馈。一个推荐引擎代表了一种推荐策略，不同的用户喜欢不同的推荐策略。每一种策略都设计成一个搜索引擎，根据用户反馈，对不同的用户给出不同的引擎组合权重。

3、推荐引擎的架构
推荐引擎架构的3个部分
1）从数据库或者缓存中拿到用户行为数据，分析不同行为，生成用户的特征向量。
2）对用户的特征向量通过特征-物品相关矩阵转化为初始推荐物品列表
3）对初始推荐列表进行过滤、排名等处理，从而生成最终的推荐结果。