這是個性化推薦系統(tǒng)系列的最后一篇抓半，該系列將完結(jié)喂急；后續(xù)將開始研究信息架構(gòu)模塊的內(nèi)容；

1）笛求、個性化推薦系列之初步認(rèn)識推薦系統(tǒng)；2）、個性化推薦系列之初步認(rèn)識機(jī)器學(xué)習(xí)探入；3）狡孔、個性化推薦系列之推薦系統(tǒng)的演化及常見推薦算法；4）蜂嗽、個性化推薦系列之協(xié)同過濾推薦算法總結(jié)苗膝；5）、個性化推薦系列之推薦系統(tǒng)實(shí)踐植旧；詳見知乎專欄--產(chǎn)品打雜https://zhuanlan.zhihu.com/zhoulink

--------------------------------------------------------------------------------------------------------------------------------------------------------------

我們前面說過辱揭，推薦系統(tǒng)是一個通過推薦算法來解決互聯(lián)網(wǎng)時代信息過載問題，以幫助用戶快速獲取信息并使用消費(fèi)的系統(tǒng)病附；

那么推薦系統(tǒng)怎么解決信息過載問題问窃，我們前面幾個部分做過一些總結(jié)，可以通過協(xié)同過濾推薦算法完沪，將不同屬性的用戶和不同屬性的物品域庇，基于不同屬性的特征進(jìn)行匹配；

協(xié)同過濾作為推薦算法中最經(jīng)典的類型覆积，包括在線協(xié)同和離線過濾兩部分听皿；

所謂在線協(xié)同，就是通過在線數(shù)據(jù)找到用戶可能喜歡的物品宽档；而離線過濾尉姨，則是過濾掉一些不值得推薦的數(shù)據(jù)，比比如推薦值評分低的數(shù)據(jù)吗冤，或者雖然推薦值高但是用戶已經(jīng)購買的數(shù)據(jù)又厉；

那么一個推薦系統(tǒng)到底包含哪些部分，到底是怎么工作的呢欣孤；

一套完整的推薦系統(tǒng)框架包括三個部分：

1）馋没、數(shù)據(jù)層（數(shù)據(jù)生產(chǎn)、數(shù)據(jù)存儲）降传；2）篷朵、候選集層；3）婆排、規(guī)則過濾排序?qū)樱ㄈ诤咸幚砩⒅嘏判蛘故荆?/p>

整體下來，一套完整的推薦系統(tǒng)包含以下五層段只；

1）腮猖、數(shù)據(jù)生產(chǎn)層；主要是利用各種數(shù)據(jù)處理工具（ETL赞枕、spark等）獲取系統(tǒng)用戶日志數(shù)據(jù)澈缺，并對用戶日志數(shù)據(jù)進(jìn)行清洗坪创，通過系統(tǒng)化處理方式對數(shù)據(jù)進(jìn)行轉(zhuǎn)換整理，處理成格式化的數(shù)據(jù)姐赡；

2）莱预、數(shù)據(jù)存儲層；將日志數(shù)據(jù)庫中經(jīng)過格式化處理并清洗的數(shù)據(jù)存儲到各自不同所屬類型的數(shù)據(jù)存儲系統(tǒng)中项滑，例如索引數(shù)據(jù)存儲在索引系統(tǒng)中依沮、結(jié)構(gòu)化日志數(shù)據(jù)存儲在日志系統(tǒng)中、場景數(shù)據(jù)存儲在場景系統(tǒng)中枪狂，通過將數(shù)據(jù)分布式歸集存儲危喉，以供下一層的算法和模型使用；

3）州疾、候選集層辜限；候選集層是基于用戶的歷史行為數(shù)據(jù)、實(shí)時行為數(shù)據(jù)孝治、地理位置數(shù)據(jù)等角度利用各種觸發(fā)策略產(chǎn)生推薦的候選集數(shù)據(jù)列粪，這部分?jǐn)?shù)據(jù)即為經(jīng)過推薦算法（協(xié)同過濾等）的某個引擎計算出來符合目標(biāo)用戶推薦的內(nèi)容集合；

4）谈飒、融合過濾層岂座；將候選集層通過用戶實(shí)時、歷史數(shù)據(jù)經(jīng)過推薦算法計算出來的候選內(nèi)容進(jìn)行高度融合操作杭措，對推薦內(nèi)容進(jìn)行處理费什，提高推薦策略的覆蓋度和精度；同時手素，該部分還要對這部分產(chǎn)生的內(nèi)容進(jìn)行高度解耦過濾鸳址，通過運(yùn)營手段、人工規(guī)則泉懦，將不符合條件的內(nèi)容過濾處理稿黍；

5）、重排序?qū)颖懒ǎ焕脵C(jī)器學(xué)習(xí)的模型對候選集層篩選出來的候選集內(nèi)容進(jìn)行重排序巡球，展示給前端用戶；

到這里邓嘹，我們基本了解一個推薦系統(tǒng)是怎么工作的了酣栈；那么什么才是好的推薦系統(tǒng)；

一個完整的推薦系統(tǒng)一般存在三個參與方：1）汹押、用戶矿筝；2）、物品提供者棚贾；3）窖维、推薦系統(tǒng)所屬網(wǎng)站榆综；

這里為了簡潔明了說清楚問題，我們以圖書推薦為例陈辱；

1）奖年、首先推薦系統(tǒng)要滿足用戶的需求细诸，即給用戶推薦那些令他們感興趣的書籍沛贪；

2）、然后推薦系統(tǒng)要讓每個出版社的圖書都能夠被系統(tǒng)腿講給其感興趣用戶震贵，而不是只推薦某幾個大型出版社的書利赋；

3）、最后好的推薦系統(tǒng)設(shè)計猩系，能夠讓推薦系統(tǒng)本身收集到高質(zhì)量用戶的反饋媚送，不斷完善推薦的之類，增加用戶和網(wǎng)站的交互寇甸，提高網(wǎng)站的收入塘偎；

因?yàn)樵谠u測一個推薦算法時，需要同時考慮三方的利益拿霉，一個好的推薦系統(tǒng)是能夠讓參與的三方共贏的系統(tǒng)吟秩；