推荐系统的目标是在什么时间,什么地点,用户想看到什么。
推荐的过程大概就是recall、rank
但是细节会很多,比如
recall具体来说怎么做?recall依赖那些东西(特征,统计量),需要为这些统计量做一个服务。
rank具体会用到哪些特征?
模拟一下数据流程
某用户在app端下拉,请求20条新数据
1. 后端收到请求,开始从候选池里面recall,候选池肯定不能是全量数据,候选池的数据怎么构造?最近三天的数据+最近5天点击率最高的数据+。。。
2. 假设候选池中有100w条数据,那么根据用户画像标签(画像怎么算)*内容标签,地点,时间,热度等,用什么模型recall?
3. recall完得到1000条数据,然后利用排序模型,根据文章特征,对文章进行排序。取排序前20条的数据,返回给客户端。
根据以上分析,有下面这几个关键点需要做。
recall模型
用户画像
内容画像
高性能统计服务
排序模型
模型的实时更新
用户行为日志-特征
timestamp,uid,aid,收藏,点击,浏览,评论,页面停留时间