本文介绍了推荐系统的外围架构，包括数据搜集和存储，以及推荐系统和UI系统的交互。接着探讨了推荐系统架构，提出了基于特征的推荐系统，并强调了分解推荐引擎的好处。最后，详细阐述了推荐引擎的三个核心部分：生成用户特征向量、特征-物品相关推荐和过滤、排名模块，强调了实时性和用户反馈的重要性。
（一）外围架构
推荐系统是如何和其他网站进行接口的
一般来说，每个网站都会有一个UI系统，UI系统负责给用户展示网页并和用户交 互。网站会通过日志系统将用户在UI上的各种各样的行为记录到用户行为日志中。日志可能存储 在内存缓存里，也可能存储在数据库中，也可能存储在文件系统中。而推荐系统通过分析用户的 行为日志，给用户生成推荐列表，最终展示到网站的界面上。下图便是这样的一个例子。
数据搜集和存储
按照前面数据的规模和是否需要实时存取，不同的行为数据将被存储在不同的媒介中。一般 来说，需要实时存取的数据存储在数据库和缓存中，而大规模的非实时地存取数据存储在分布式 文件系统（如HDFS）中。 数据能否实时存取在推荐系统中非常重要，因为推荐系统的实时性主要依赖于能否实时拿到 用户的新行为。只有快速拿到大量用户的新行为，推荐系统才能够实时地适应用户当前的需求， 给用户进行实时推荐。
（二）推荐系统架构
3种联系用户和物品的推荐系统
最低0.47元/天 解锁文章
815
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
