《推荐系统实践》第七章学习笔记

  本章主要讲了如何设计一个真实的推荐系统。前面几章都是从理论上讲述了什么是推荐系统？如何利用用户和物品的信息来设计和优化推荐算法？但推荐算法毕竟只是推荐系统的一部分，如何在某个真实场景下设计一个推荐系统？

外围架构

  推荐系统并不是孤立的一部分，还需要和其他系统组合才能发挥作用。一般来说推荐系统还需要两个系统进行辅助，一个是UI系统，将推荐结果展示给用户并和用户交互；一个是存储系统，收集用户的行为信息并存储下来，用于推荐算法的优化，而且数据的实时存取对推荐系统的实时性也是很重要的。

内部架构

  推荐系统的核心任务分为两个部分，一个是如何为给定用户生成特征，另一个是如何根据特征找到物品。不过如果在一个系统中使用所有特征来完成不同的任务，那么系统就会很复杂，而且不好配置不同任务的权重。因此，推荐系统需要由多个推荐引擎组成，每个推荐引擎负责一类特征和一种任务，推荐系统的任务就是将推荐引擎的结果按照一定优先级合并、排序并返回。推荐系统的架构图如下： 推荐系统的架构图.png   定好推荐系统的整体架构后，就开始来看看推荐引擎内部的具体实现。下图就是推荐引擎的内部架构： 推荐引擎的架构图.png 由上图可知，推荐引擎主要包括3个部分：

• 部分A负责读取分析用户数据，生成用户特征向量
• 部分B利用用户特征向量和相关推荐算法得到初始推荐物品列表
• 部分C对初始推荐物品列表进行过滤、排名等处理得到最终的推荐结果

不同的推荐引擎，A输出的用户特征向量会有所不同，B中使用的推荐算法策略会改变，C中的过滤、排名规则也会不一样，这些都会根据具体的任务场景改变而改变。