??本章主要講了如何設(shè)計(jì)一個(gè)真實(shí)的推薦系統(tǒng)。前面幾章都是從理論上講述了什么是推薦系統(tǒng)？如何利用用戶和物品的信息來設(shè)計(jì)和優(yōu)化推薦算法？但推薦算法畢竟只是推薦系統(tǒng)的一部分，如何在某個(gè)真實(shí)場景下設(shè)計(jì)一個(gè)推薦系統(tǒng)？
外圍架構(gòu)
??推薦系統(tǒng)并不是孤立的一部分，還需要和其他系統(tǒng)組合才能發(fā)揮作用。一般來說推薦系統(tǒng)還需要兩個(gè)系統(tǒng)進(jìn)行輔助，一個(gè)是UI系統(tǒng)，將推薦結(jié)果展示給用戶并和用戶交互；一個(gè)是存儲系統(tǒng)，收集用戶的行為信息并存儲下來，用于推薦算法的優(yōu)化，而且數(shù)據(jù)的實(shí)時(shí)存取對推薦系統(tǒng)的實(shí)時(shí)性也是很重要的。
內(nèi)部架構(gòu)
??推薦系統(tǒng)的核心任務(wù)分為兩個(gè)部分，一個(gè)是如何為給定用戶生成特征，另一個(gè)是如何根據(jù)特征找到物品。不過如果在一個(gè)系統(tǒng)中使用所有特征來完成不同的任務(wù)，那么系統(tǒng)就會(huì)很復(fù)雜，而且不好配置不同任務(wù)的權(quán)重。因此，推薦系統(tǒng)需要由多個(gè)推薦引擎組成，每個(gè)推薦引擎負(fù)責(zé)一類特征和一種任務(wù)，推薦系統(tǒng)的任務(wù)就是將推薦引擎的結(jié)果按照一定優(yōu)先級合并、排序并返回。推薦系統(tǒng)的架構(gòu)圖如下：
推薦系統(tǒng)的架構(gòu)圖.png
推薦引擎的架構(gòu)圖.png
- 部分A負(fù)責(zé)讀取分析用戶數(shù)據(jù)，生成用戶特征向量
- 部分B利用用戶特征向量和相關(guān)推薦算法得到初始推薦物品列表
- 部分C對初始推薦物品列表進(jìn)行過濾、排名等處理得到最終的推薦結(jié)果
不同的推薦引擎，A輸出的用戶特征向量會(huì)有所不同，B中使用的推薦算法策略會(huì)改變，C中的過濾、排名規(guī)則也會(huì)不一樣，這些都會(huì)根據(jù)具體的任務(wù)場景改變而改變。
