互联网增长引擎——推荐系统

推荐系统是互联网的增长引擎

推荐系统的作用和意义

用户角度

• 信息过载
• 需求不明确
• 高效获取感兴趣的信息

公司角度

• 吸引客户
• 留存客户
• 增加用户黏性
• 提高用户转化率

以达成公司的商业目标为目的

推荐系统与YouTube观看时长

用户和公司利益相统一
​

YouTube全球重大的UGC（User Generated Content）视频分享平台
​

推荐系统与电商网站

千人千面
​

推荐系统的架构

1）企业的核心需求是增长，推荐系统在增长引擎的核心位置
2）推荐系统解决的用户通电
​

• 用户信息
• 物品信息
• 场景信息

推荐系统的逻辑架构

构建一个函数f(U,I,C)
​

对于用户U，在特定的场景下，针对海量的物品信息，预测用户对特定候选物品I的喜好程度
​

推荐系统的技术架构

（1）数据和信息相关的问题
（2）算法和模型相关的问题

推荐系统的数据部分

三种不同的数据处理方式
实时性不同 对海量数据的处理能力不同
​

数据的出口：
（1）样本数据， 用于训练和评估
（2）生成特征，用于线上推断
（3） 系统监控、商业智能（BI）

推荐系统的模型部分

• 召回层

使用高效的召回规则、简单的模型从海量候选集中召回可能的物品

• 排序层

使用排序模型对初筛的候选集进行精排序

• 补充策略与算法层（再排序层）

结合多样性、流行度、新鲜度等指标
​

离线训练
利用全量的样本和特征，模型逼近全局最优点
在线更新
准实时利用新的数据样本，反映变化趋势
​

评估

• 离线评估
• A/B测试

深度学习对推荐系统的革命性贡献

拟合能力和特征组合能力
结构灵活
​

难点：
数据的实时获取与处理
​