调研-主流推荐框架和算法（多个网络来源汇总）

申明：本文是个调研文档，综合了参考文献中各个资源中的叙述和图，来源出处已标注具体的出处，如有侵权，请联系本人。

一.推荐框架

1.基本的推荐框架中的算法层的框架大致如下：

                图1  基本推荐算法层框架

其中，召回层使用一些比较“粗糙”、非实时的算法，比如协同过滤，simrank，热度等等

排序层会进一步对召回层删选的商品进行精排，这时数据量的规模比较小，可以用一些稍微复杂但“准确”的模型。同时，模型更新的速度要求比较高，模型的实时性比较重要。

这一层通常会用LR, GBDT，WDL等等。

2.各大厂的推荐框架

 

  

                                              图2 美团框架[1] 

                                               图3 携程推荐框架[2]                                                           

      

                                            图4 hulu的推荐系统

                           图5  netflix的推荐系统

                      图6  头条推荐流程[3]                                              

二.推荐算法

1 .召回层

分布式协同过滤的召回、图的召回（Simrank）、替补召回（热度等）