这是我的第79篇原创
今天本来打算继续分享贝壳数据中台的推荐系统。正巧，一个朋友要推荐系统的资料，想拿去抄方案。
得，我索性把手头上的推荐系统相关的资料都整成一个合集，一共14个大厂推荐系统建设的方案ppt，作为1024程序员节日的祝福吧
。
推荐做的事情其实就是推荐内容和用户的匹配。所以一端是内容的精加工，一端是用户的精加工，中间就是召回和排序。
虽然各大厂的用户场景都不一样，贝壳推荐的是房子，瓜子推荐的是二手车，爱奇艺推荐的是视频，但是内容和用户的匹配这个核心点是不变的。
召回算法也基本就是那几样，内容相似度、协同过滤、关联推荐等等。另外吐槽一句，公式太难了
。
推荐系统大致的流程就是对推荐内容和用户各种打标，进行各种时效性的画像、特征工程之后，加上各种权重，上各种推荐策略，进行双方的匹配，将推荐结果进行各种排序，在加上一个托底和过滤策略，最后给到前端一个推荐内容的展示结果，以期望获得更好的转化率。
偷偷的告诉你一个小秘密：其实贝壳的推荐系统在19年就曾经分享过，资料包里也有。当时还只是3个阶段，有兴趣的同学可以研究一下。
反正推荐我也不专业，就不继续叨叨了。14份资料已经给您准备好了！
后台回复“推荐系统”即可下载所有文档。你看我这么诚意满满，是不是可以给我点个赞再走呀？
比心~~~
强烈推荐以下几篇文章，内容比较干：
4贝壳智能推荐平台建设实践
爱奇艺推荐中台探索与实践-张时骏
搜狗信息流推荐算法综述
瓜子二手车个性化推荐的挑战与应对
配合以下文章享受更佳
我需要你的点赞，爱你哟
2531
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
