携程推荐系统架构学习

最新推荐文章于 2024-08-08 16:00:58 发布
最新推荐文章于 2024-08-08 16:00:58 发布
阅读量3.6k 收藏 6
点赞数 3
分类专栏： 岁月云——Web系统最佳实践 文章标签： 系统架构 携程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/warrah/article/details/56669786
版权
warrah
关注
专栏目录
推荐系统01:推荐系统架构
qq_28286027的博客
07-01 1505
1.典型的信息流架构 信息流是推荐系统应用中的当红炸子鸡，它表现形式有很多：社交网络的动态信息流、新闻阅读的图文信息流、短视频信息流等等。 整体框架图如下： 具体模块： 这张架构图划分成几个大的模块：日志收集、内容发布、机器学习、信息流服务、监控。这里分别介绍一下： 1.日志收集 是所有排序训练的数据来源，要收集的最核心数据就是用户在信息流上产生的行为，用于机器学习更新排序模型； 总体数据模型 信息流的基本数据有三个：用户（User）、内容（Activity）和关系（Connection）。用户
【看这篇就够了】怎样从0到1构建一个完整的推荐系统架构
AI天才研究院
08-07 2022
2022年，互联网推荐系统正在成为一个热门话题。作为一名推荐系统工程师，你是否也在考虑如何构建一个推荐系统？这是一个值得思考的问题，如果你了解推荐系统的原理和技术实现方法，并且愿意探索不同场景下的推荐模型，那么你将获得很多宝贵的经验。本文通过剖析推荐系统的基础知识、关键组件及其运作方式，给出一种推荐系统架构设计思路，并详细阐述不同推荐模型的原理和特点，力求让读者从零开始掌握推荐系统的构建技巧。本篇文章并不会试图教授推荐系统的全面知识，而只是从工程角度切入，侧重于讨论推荐系统架构设计的相关原理和实践方法。
推荐系统架构
diadiukang3609的博客
03-27 450
推荐系统介绍 当下，个性化推荐成了互联网产品的标配。但是，人们对推荐该如何来做，也就是推荐技术本身，还不甚了解。为此，好学的你肯定在收藏着朋友圈里流传的相关文章，转发着微博上的相关讨论话题，甚至还会不断奔走在各种大小行业会议之间，听着大厂职工们讲那些干货。我知道，这样碎片化的吸收，增加了知识的同时，也增加了焦虑。因为技术的不平等广泛存在于业界内，推荐系统也不例外。推荐系统从搜索引擎借鉴...
干货 | 携程搜广推算法策略开发平台
最新发布
携程技术
08-08 1167
作者简介携程搜广推中台框架（Eagle）技术团队。团队热招岗位：AI中台资深算法工程师在携程的搜广推业务中，Eagle技术生态扮演着核心角色，不断地应对业务扩展带来的新挑战。本文首先剖析了Eagle算法策略平台的架构创新，包括流程组件化、编排可视化和逻辑算子化，这些设计有效提高了开发效率并确保生产稳定性。进一步通过推荐信息流业务的实践案例，展示了策略平台在性能提升和资源优化方面的实际效益。最后，对...
【推荐系统学习】推荐系统架构
qq_36643449的博客
06-26 3986
推荐系统学习
推荐系统的技术架构
hionechance的blog
07-26 533
推荐系统从技术架构的层面来讲，分为两大部分：数据部分和模型部分。 数据部分完成的工作主要集中在数据收集、数据清洗与处理上，采用实时与离线的方式对用户、物品、场景三类数据数据处理与清洗，并以特定的格式提供给推荐系统中的使用方（文中提到的有三个：模型训练、模型预测、商业智能），可见数据的重要性，数据处理流程如果出现了问题，后面的工作可能均无法正常开展。 tips: 实时与离线数据处理架构即为当前常用的lambda架构。 模型部分完成的工作分别是：模型训练、模型评估、模型部署及模型在线推断。 “模型”这里，
我所理解的大数据个性化推荐
rocky_24的博客
11-09 208
我所理解的大数据个性化推荐。好文分享一、写在之前的题外话缘起。想起要写这篇文章，一方面是昨天终于把项亮写的《推荐系统实践》给看完了，另一方面是自己负责的推荐系统项目已经处于一个多版本迭代的阶段了，并且从最近的AB测试效果来看，新提交的算法模型还是有一定的进步的，如今已经把流量全部切换到了新算法中。所以，结合看书的一些思考，以及实际操作的一些感想，总是有一些想要表达、分享的东西，不吐不快啊...
干货 | 携程商旅订单系统架构设计和优化实践
携程技术
11-05 4069
作者简介Gavin, 携程技术专家, 致力于系统优化、重构和开发效率提升。概述携程商旅是一站式互联网差旅服务平台，为客户提供差旅管控、预订、出行、结算、成本、风控等服务的在线TMC（Tr...
干货 | 当你在携程搜索时，背后的推荐系统是如何工作的
携程技术中心
06-04 2367
作者简介葛荣亮，携程搜索部门高级研发工程师。2015年加入携程，目前主要负责搜索平台的前端+数据挖据工作。一、前言随着旅游业的发展，人们对搜索的要求越来越高。智能化大趋势...
携程Apollo配置中心架构深度剖析
01-27
【携程Apollo配置中心架构深度剖析】 Apollo，由携程框架部研发并开源，是一款成熟的...通过深入研究Apollo，我们可以学习到如何设计和实现一个高效、可靠的分布式配置中心，这对于构建大规模的微服务架构至关重要。
携程应用系统整体架构学习
warrah 南极狼
02-23 4007
下图是携程应用系统整体架构 根据上图可以发现以下几个问题 1. 同一节点在多个层次出现。 2. 只是简单的技术罗列，架构分层之间的关联不大。 3. 线上服务/应用层中HBase、Redis、Tomcat不是一方面的东西，混做一团。 4. 离线计算为什么又把SparkQL归类进去呢? 5. hive只能说是一个数据仓库工具，反而归类到数据源层 这样的架构水平，要么携程不想透露太多真实
推荐系统 (一): 推荐系统的架构
连理o的博客
10-20 2720
目录推荐系统的逻辑框架推荐系统的技术架构推荐系统的数据部分推荐系统的模型部分参考文献 推荐系统的逻辑框架 推荐系统要处理的是 “人” 和 “信息” 的关系。这里的 “信息” ，在商品推荐中指的是 “商品信息”，在视频推荐中指的是 “视频信息 ”， 在新闻推荐中指的是 “新闻信息”，简而言之， 可统称为 “物品信息” 。 而从 “人” 的角度出发， 为了更可靠地推测出 “人” 的兴趣点， 推荐系统希望利用大量与 “人” 相关的信息， 包括历史行为、人口属性、关系网络等， 这些可统称为 “用户信息”。此外，
推荐系统架构详解
LitraLIN的博客
11-28 7128
之前对推荐系统进行学习的过程中，发现自己只是拘泥于其中的一小部分进行学习，没有一个全局系统的认知，经常容易陷入困惑，因此借分享会机会，将推荐系统架构梳理一遍，在梳理的过程中才对推荐系统有了更加清楚的整体认知，并知道了自己还有哪些没学到，也相当于给自己后续的学习提供了方向。
推荐系统学习笔记--CH1--推荐系统需求、概念、应用场景和价值
CSDN_SUSAN的博客
12-02 1919
文章目录1. 推荐系统简介和知识储备1.1 什么是推荐系统1.2 推荐系统产生背景1.3 推荐系统解决问题1.4 推荐系统知识储备2. 推荐系统的应用场景和价值3. 推荐团队的组成和工作定位4. 推荐系统未来发展趋势    1. 推荐系统简介和知识储备 1.1 什么是推荐系统 维基百科上关于推荐系统的定义很简短：推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。 我们在生活中不论...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

warrah

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值