先看推荐引擎的架构：

推荐系统和其他系统之间的关系

以“今日头条”为例，聊一聊推荐策略是如何应用在产品中的。

从我理解的来看，一共分为四个步骤：获取数据、召回、排序、结果展现。

一、获取数据

数据是推荐系统的支撑，主要包括用户数据、内容数据、环境数据。

用户数据有基础数据（性别、年龄、地区、爱好）和行为数据（点赞、评论、分享），内容数据有基础数据（垂直领域、内容质量）和相关数据（如发布者权重、内容热度等），环境数据包括用户所处场景（工作场合、通勤、旅游）。

二、召回

数据库中的海量内容不可能挨个经过模型求得分，因而需要设计召回策略。召回是从海量的内容信息中，筛选出千数量级的内容，对实时性要求很高。

召回策略有很多，如tag倒排、协同过滤、基于内容、基于规则（OTA行业的酒店与机票），今日头条主要使用的是倒排。离线维护一个倒排，主key选择兴趣标签tag，排序根据热度特征，线上召回可以对倒排内容做截断，从而筛选出小部分高质量内容。

三、排序

由于召回渠道的多样性、召回算法的复杂性，导致召回内容良莠不齐，因而需要对内容进行统一的打分排序处理。

排序算法演变过程为：【线性模型+人工特征】——【非线性模型+自动特征】——【深度学习】

四、结果展现

主要体现在内容的前端展现（图片、关键字如标题、摘要、分类）