075 | 现代推荐架构剖析之三：复杂现代推荐架构漫谈
洪亮劼
该思维导图由 AI 生成，仅供参考
本周我们讨论现代推荐系统的架构体系。周一我们看了最简单的基于线下离线计算的推荐架构，周三我们聊了基于多层搜索架构的推荐系统。
今天，我们来谈一谈如何从这两种架构的思路出发，来满足更加复杂多变的实际情况。
推荐架构需要解决的问题
这周我反复强调推荐系统的几个基本需求点。第一，能够在一两百毫秒内给用户提供当前的推荐结果；第二，需要对用户和系统的交互结果做出响应；第三，需要考虑用户群体的覆盖率问题。
接下来我们就聊一些经常考虑的场景，起到一个抛砖引玉的作用，供你参考。
新用户的问题
如果你要搭建的系统面临的情况是新用户多，比如一个新上线的快速增长的产品，那么我们需要怎么考虑架构呢？
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
现代推荐系统架构需要解决新用户和新物品的问题。针对新用户，需要快速抓住其交互信息并提供推荐结果，可以通过快速更新模型或特性来实现。对于新物品，在静态框架下可以重新生成推荐结果或给新物品预估分数，而在搜索架构下可以进行重索引或构建临时数据库。此外，针对手机客户端产品的推荐系统，需要额外注意与桌面端不同的地方。总体而言，推荐系统架构需要根据具体情况灵活取舍，但基本规则包括将复杂运算放在线下、尽可能使用搜索引擎减少打分步骤等。通过分析新用户和新物品的情况，可以更好地理解架构中的取舍。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(4)
- 最新
- 精选
林彦网络性能，手机的性能，手机的交互空间和方式这些因素导致手机上的推荐结果需要更少，更精简，减少实时的计算量，信息的元素要选择更重要和更容易引起用户下一步简单交互操作的，也可以通过优化的并行框架来降低较多计算和信息处理的响应时间。用户的手机交互行为，我觉得有条件和桌面端区别开来作为运算的一种特性更好。2018-04-062
微微一笑感觉讲的有点简单啊 能否一个实际案例结合，深入讨论下2018-04-0612
和平老三您能不能在留言区补充一些文章 这篇文章有些过于理论了2018-06-191
Mr.Button洪老师，之前看您的博客。 感觉这个架构讲的有点简单。能不能提供一些新户冷启动算法上的建议。比如 雅虎之前的决策树方法之类的。2018-05-211
收起评论