推荐系统学习笔记(一）——概述

前言

本人主要想记载自己的学习笔记，目前自学推荐系统方便的知识，主要参考王喆的《深度学习推荐系统》

深度学习推荐系统》第一章

这一章主要讲的是推荐系统的作用和意义，推荐系统在当今互联网发展起着重要作用，它能帮助用户在“信息过载”的情况下，用户如何高效获得感兴趣的信息问题，对企业来说，推荐系统能够最大限度地吸引用户、留存用户、增加用户黏性，提高用户转化率的问题，从而增加商业价值。
本章重点介绍了推荐系统的技术架构，主要包括两个部分：数据部分和逻辑部分，数据部分主要负责“用户”“物品”“场景”的信息收集与处理。模型部分，是推荐系统的主体，模型的结构一般由“召回层”“排序层”“补充策略层与算法层”组成。召回层，一般利用高效的召回规则，算法或简单的模型，快速从海量的候选集中召回用户可能感兴趣的物品。排序层，利用排序模型对筛选的候选集进行精排序。“补充策略与算法层”，可以讲推荐列表返回用户之前，为兼顾结果的多样性“流行度”“新鲜度”等指标，结合一些补充的策略和算法对推荐列表进行一定的调整，最终形成用户可见的列表。除此之外，为了评估推荐模型的效果，方便迭代，推荐系统的模型部分提供了“离线评估”“A/B”测试。

参考书籍

《深度学习推荐系统》王喆