各大公司推荐系统的架构概览

Posted 2021-04-03 黑客安全

图1

       界面UI那一块包含3块东西：

1) 通过一定方式展示推荐物品(物品标题、缩略图、简介等)；

2) 给的推荐理由；

3) 数据反馈改进个性化推荐；

关于用户数据的存放地方：1)数据库/缓存用来实时取数据；2) hdfs文件上面；

      抽象出来的三种推荐方式：

图2

图3

  用户行为数据--->推荐引擎（第一层过滤）--->初始推荐结果--->过滤--->排名--->推荐解释--->推荐结果。

       图3中，推荐引擎的构建来源于不同的数据源(也就是用户的特征有很多种类，例如统计的、行为的、主题的)+不同的推荐模型算法，推荐引擎的架构可以是多样化的(实时推荐的+离线推荐的)，然后融合推荐结果（人工规则+模型结果），融合方式多样的，有线性加权的或者切换式的等

 图4

       图4中，A模块负责用户各类型特征的收集，B模块的相关表是根据图3中的推荐引擎来生成的，B模块的输出推荐结果用来C模块的输入，中间经过过滤模块(用户已经产生行为的物品，非候选物品，业务方提供的物品黑名单等)，排名模块也根据预设定的推荐目标来制定，最后推荐解释的生成（这是可能是最容易忽视，但很关键的一环，微信的好友推荐游戏，这一解释已经胜过后台的算法作用了）

模型前数据准备(理解数据源，用户，物品)

模型策略

其他考虑的场景

淘宝的推荐系统(详细版)