【王喆-推荐系统】(task1)DL推荐系统架构（基础架构篇）

学习心得

• 通过task1的学习在脑海里建立DL背景的推荐系统架构：为了解决【在“信息过载”情况下，用户怎么高效获取感兴趣的信息】的问题，并且构建更好的拟合数据和表达能力的模型，深度学习上场了。其中DL推荐模型 = 召回层 + 排序层 + 补充策略与算法层 ，这里的模型指模型服务过程。
• 推荐系统的逻辑架构：对于某个用户U（User），在特定场景C（Context）下，针对海量的“物品”构建一个函数 ，预测用户对特定候选物品I（Item）的喜好程度的过程。
• 深度学习中 Embedding 技术在召回层的应用，做相关物品的快速召回，已经是业界非常主流的解决方案。排序层（也称精排层）是影响推荐效果的重中之重，也是深度学习模型大展拳脚的领域，因为深度学习模型灵活性高，表达能力强（因此非常适合于大数据量下的精确排序）。

PS：深度学习的发展，也推动着推荐系统数据流部分的革命（就是平时说的大数据开发岗了），让它能够更快、更强地处理推荐系统相关的数据。

回顾：

【王喆-深度学习推荐系统实战】开篇词

</