RecHub组队学习Task01

RecHcb:Task01

---

前言

---

学习直播PPT，对Torch-RecHub有了基本的认识，对项目的整体架构有了基本了解，跑了下参考案例中的dssm；

一、推荐系统系统概述

1.1 推荐系统的意义

推荐系统能给平台放带来巨大的商业价值；推荐系统提升用户体验，增强用户对平台的依赖程度；推荐与搜索区别：用户意图，个性化程度，优化目标；

1.2 推荐系统架构

解释图：

推荐系统架构：离线层、近线层、在线层；

离线层：

不用实时数据，不提供实时响应，主要是对数据处理、数据存储，特征工程、离线特性的计算，离线模型的训练，可处理大量数据进行大规模特征工程，但不能实时响应；![在

近线层：

使用实时数据，不保证实时响应，介于离线和在线之间，特征的实时更新计算，实时训练数据获取，模型实时训练；

在线层：

实时数据，实时响应，最大特点是对响应延时的要求，主要进行模型在线服务，快速召回、排序，在线特征处理拼接，AB实验，运筹优化和业务干预；

1.3 算法架构

整体分为：物料库-》召回-》粗排-》精排-》重排；

召回：目标候选出万量级item，减小排序层面压力；
粗排：精排前的过滤机制，目的也是减轻精排模块的压力，介于召回和精排之间，兼顾精确性和低延迟；
精排：目标选出最优的topn，对候选出点item进行模型打分；
重排：是对精排生成topn的item重新排序，会进一步根据策略、业务、运营规则等进行进一步排序；
混排：多个业务线想获取曝光，则对结果进行混排；