推荐算法发展至今,从协同到FM /word2vec embedding,再到用各种图结构、树结构、序列结构去对数据建模,再到当前大热的多兴趣模型、attention机制,目前市面上可以找到的算法已经非常多了,但很多算法之间其实差别并不大,基本上可以用几个发展脉络将这繁多的算法串联起来,从而用一套通用的模板,将推荐系统的所有算法囊括起来。本文将从推荐系统数据生成开始,到生成召回结果的全过程,逐个模块进行分解,梳理出推荐算法的整个流程。实际上各种推荐模型也就是这些模块选择了不同方法的组合而已。希望能从宏观角度对推荐系统做一个梳理。
参考: