主要内容
- 推荐引擎主题框架与工业界推荐系统落地场景
- 介绍一种个性化推荐召回算法的物理意义，公式推到以及代码实战
- 总结展望下一次课所要讲解的内容
背景
- 什么是推荐系统
- 推荐系统主要解决了什么问题
- 如何评价一个好的推荐系统
工业界主流落地场景
- 信息流
- 电商
- 020的LBS
架构实现
三个层次：APP-API-服务端（召回-排序-策略）
工业界主流召回架构：
分为两大类，一类是离线模型，根据用户行为计算得到推荐结果，如右侧所示，其结果可分为给用户算出的item集合、计算item之间的相似度、计算出具有某特性的item的排序;由于召回的时候得到的是文章的ID，因此需要取文章详情服务，拼接之后传给rank;如果使用深度学习模型，item向量需要离线存储在KV中，用户访问服务时，需要在线访问深度学习服务完成user的embeding，将两个向量做最近邻的计算
总结
指出了推荐的应用场景，以及工业推荐落地的一种框架，下文将详细介绍一种推荐算法并实战落地。