随着大数据和人工智能时代的到来,推荐系统可以说是把这两类技术应用的最为成熟的领域之一了,相信大家也都不会陌生。现在各大互联网公司都在应用推荐的技术,如果说自己没有,就会显得有点low。我将写一系列的文章来介绍一下推荐系统的整体结构,和其中应用的一些技术。推荐系统相关的文章大家应该都看的很多了,大家肯定要问我写的跟别人写的有什么不一样?我觉得我写这个系统主要有两个方向:一是把整个推荐系统的架构流程跟大家梳理清楚,而不是零散的来写一些其中用的技术,大家看完这个系列之后对推荐系统能够一个全局的概念;二是尽可能通俗易懂的把其中一些晦涩难懂的技术点给大家讲解清楚。
首先今天第一篇我想主要是跟大家讲一下推荐系统的整体架构,让大家有一个全局认识,然后后面的文章我将拿出里面的一些点来给大家剖析。
现在推荐系统应用的比较多的领域是新闻、视频、音乐、出行旅游、外卖等,细细一想应用还真的是非常广泛。
从整个全局来看,推荐系统包括:推荐前,推荐中,推荐后。其中推荐前就是对我们要推荐的内容的处理,我们要推荐什么,内容从哪里来,内容要做哪些处理,内容怎么存储等等问题,推荐中就是我们获取到了内容之后,通过什么方式来推荐给用户,怎么满足性能的要求,怎么使得推荐的效果更好。推荐后就是指推荐完了之后,怎么获取用户的反馈数据,怎么训练模型来优化线上的推荐效果,怎么给用户打上更准确的标签,怎么监控整体的推荐效果等问题。整体的结构图如下:
推荐系统结构图
预告一下,后面推荐系统实践系列文章的将会是这样的:
一、推荐系统内容处理
爬虫系统
数据预处理
数据去重
数据标签
数据入库存储
二、线上推荐系统
推荐引擎
召回系统
排序系统
日志上报
三、推荐系统模型训练
用户标签系统
内容标签系统
排序算法
召回算法
四、监控系统
推荐系统指标
模型监控
大家如果有什么想了解的方面也可以留言告诉我,今天就先到这,下次再见。
领取专属 10元无门槛券
私享最新 技术干货