文章目录
工业推荐系统一般分三部分:在线+近线+离线部分
A、在线部分,一般要经历几个阶段:
召回环节: 将给用户推荐的物品降到千以下规模;
粗排阶段:可选阶段。如果召回阶段返回的物品还是太多,可以加入粗排阶段,该阶段通过一些简单排序模型进一步减少往后续环节传递的物品;
精排阶段: 这里可以使用复杂的模型来对少量物品精准排序;
上业务策略: 对某个用户来说,即使精排推荐结果出来了,一般并不会直接展示给用户,可能还要上一些业务策略,比如:去已读,推荐多样化,加入广告等;
展示给用户:形成最终推荐结果,将结果展示给用户。
B、近线部分, 主要目的是实时收集用户行为反馈,并选择训练实例,实时抽取拼接特征,并近乎实时地更新在线推荐模型。这样做的好处是:用户的最新兴趣能够近乎实时地体现到推荐结果里。
C、离线部分:
历史用户行为log——》离线模型训练
通过对线上用户点击日志的存储和清理,整理离线训练数据,并周期性地更新推荐模型。
对超大规模数据和机器