1.腾讯： 实时数据流推荐实践

TecentRec :Real-time Stream Recommendation in practice

1. 解决问题
   主要解决问题： 数据量大、实时、准确性

2. 实时计算平台选取
   （1） 支持实时数据统计计算
   （2）集群扩展性好
   （3）失败恢复快
   （4） 活跃度较高的开源工具
   （5）简单编程模式，支持多种国语言

3. 数据存取（data access）
   如何存取大量不同应用且不同格式的数据。开发腾讯TDacces(Tencent Data Access), 为不同的数据集提供统一的接口。
   TDAccess集群：
   第一：数据服务不需要共享他们的状态给主服务。因此，集群容易线性扩展。
   第二：数据服务管理队列的生产和消费。
   第三：不同传统消息队，传统消息队列不需要存储消息数据。
   TDStore:
   包含：配置服务与数据服务

4. 协同过滤算法实践
   （1）因此反馈问题解决
   不同行为设置不同的权重
   （2）相似度计算进行拆解为多个部分，然后统计。
   （3）实时裁剪
   基于霍夫不等式，计算不超过最小相似度的置信度，如果在置信度范围类，则将该pair对进行裁剪。
   （4）数据稀疏
   基于人口属性聚类，获取群体偏好。
   （5）实时过滤机制
   通过滑动窗口和实时个性化过滤，获取用户实时兴趣。 通过滑动窗口过滤旧的数据。相似度计算中，只考虑最近的W个会话。