推荐系统学习笔记

2024-06-05

🏷️ 推荐系统

学习资料：

《深度学习推荐系统》（王喆）

《互联网大厂推荐算法实战》（赵传霖）荐道馆 https://www.zhihu.com/column/learningdeep

从零单排推荐系统（水哥） https://www.zhihu.com/column/c_1392507941388414976

小红书的推荐系统（王树森）bilibili.com/video/BV1HZ421U77y

  1. 解决的问题（用户-信息过载，公司-吸引、留存、黏性、转化），整体架构（画图）
  2. 模块划分：模型和数据，在线和离线
  3. 数据（信息提取）：特征工程（User-ID、关系、行为，Item-ID、属性、类别、标签、内容、动态画像，Context）
  4. 模型：召回（多路召回：策略-关注、热门，模型-双塔U2I、I2I、U2U2I、U2A2I、U2A2A2I）、过滤、排序（粗排、精排、混排（多样、流行、新鲜））；离线训练、在线更新 → 评估（离线、AB Test）
  5. 数据流：用户反馈 → 模型训练、特征更新、实时监控
  6. 推荐后台开发的目标和面临的问题（设计和实现高效、稳定且可扩展的推荐系统架构，以支持精准、实时的个性化推荐服务-”搭戏台“，方便策略和算法的迭代
    1. 关注点-性能（在线服务）、可用性、实时性（模型、特征）、易用性（对算法同学），优化资源利用、提高开发效率）

Untitled