zqzwzd的博客

推荐系统的参考阅读专栏主体内容已经结束了，在专栏写作的过程中，我阅读了很多业界公开的资料，我觉得有必要整理出来，供想深入阅读的人继续去找虐。整体来说，在选择参考文献时，我偏爱那些由公司发表的。因为推荐系统本质上还是一种非常依赖实践的算法应用方向，并且，这些商业公司论文中的技术内容也在他们实际的场景中经过了检验。另外，更多的内容是来自我自己的大脑中，所以我在下面列出来的只是一部分，在经过反复删减...

推荐系统在互联网产品商业链条中的地位一个完整的推荐系统一定是置身商业世界中的，而不是只在学术界撒野，毕竟学术界大部分时间里只关注算法和模型的效果，并且是建立在强假设和非常有限的数据基础上的，显然这不并算是推荐系统的全貌。在商业世界里，就应该带一点“功利”的眼光看待推荐系统，但功利地看待推荐系统之前，要认识到推荐系统在商业链条中到底是个什么样的角色和作用？推荐系统的作用商业社会中亘古不变...

推荐系统的测试方法及常用指标介绍当我们刚开始学习推荐系统的时候，我就希望你想清楚为什么要做推荐系统。在逐渐深入的过程中，我开始唠叨推荐系统的林林总总。到了今天，假如你已经有了自己的推荐系统，这个系统已经上线，代替了以前绝大多数人工的工作，夜以继日地工作，为电商网站创造销售额，为信息流创造阅读时间和互动，为社交网站创造社交关系。为什么要关注指标然而，这样你就可以安心睡大觉了吗？显然你...

巧妇难为无米之炊：数据采集关键要素推荐系统离不开数据，数据就是推荐系统的粮食，要有数据就得收集数据。在自己产品中收集数据，主要还是来自日志。日志和数据数据驱动这个概念也是最近几年才开始流行起来的，在古典互联网时代，设计和开发产品完全侧重于功能易用和设计精巧上，并且整体驱动力受限于产品负责人的个人眼光，这属于是一种感性的把握，也因此对积累数据这件事就不是很重视。在我经手的产品中，就有产品...

典型的信息流架构是什么样的从今天起，我们不再单独介绍推荐算法的原理，而是开始进入一个新的模块——工程篇。在工程实践的部分中，我首先介绍的内容是当今最热门的信息流架构。信息流是推荐系统应用中的当红炸子鸡，它表现形式有很多：社交网络的动态信息流、新闻阅读的图文信息流、短视频信息流等等。如果要搭建一个自己的信息流系统，它应该是怎么样的呢？今天，我就来带你一探信息流架构的究竟。整体框架信息流，...

构建一个科学的排行榜体系前面的专栏文章中，我从最常见的内容推荐开始讲起，直到讲到了最复杂的深度学习在推荐系统中的应用原理，这些推荐算法都有一个特点：智能。所谓智能，就是带有学习性质，能够和复杂的用户端形成互动，在互动过程中，算法参数得到更新和进化。但是，智能这个高大上的词语，一定要以数据为前提的，我在专栏的第二篇文章中就和你透露过，推荐系统中有一个顽疾就是冷启动，冷启动就是没有数据，没有数据怎...

深度学习在推荐系统中的应用有哪些?时至今日，深度学习已经不是一个新名词了，由于它的出现，计算机视觉、自然语言理解等领域的从业者都过上了好日子，错误率大幅度降低。尤其是那些不断号称端到端的建模方式，让还在埋头于特征工程的推荐系统从业者们跃跃欲试，想赶紧引入深度学习大显身手。经过这些年学界和业界的不断尝试，深度学习在推荐系统中已经有了很多成功的应用。所以我在这个专栏里面理应本着实用落地的原则给你介...

简单却有效的Bandit算法我在之前的文章中表达过，推荐系统的使命就是在建立用户和物品之间的连接。建立连接可以理解成：为用户匹配到最佳的物品；但也有另一个理解就是，在某个时间某个位置为用户选择最好的物品。推荐就是选择生活中，你我都会遇到很多要做选择的场景。上哪个大学，学什么专业，去哪家公司，中午吃什么等等。这些事情，都让选择困难症的我们头很大。头大在哪呢？主要是不知道每个选择会带来什么...

经典模型融合办法：线性模型和树模型的组合拳推荐系统在技术实现上一般划分为三个阶段：挖掘、召回、排序。为什么要融合？挖掘的工作就是对用户和物品做非常深入的结构化分析，庖丁解牛一样，各个角度各个层面的特征都被呈现出来，并且建好索引，供召回阶段使用，大部分挖掘工作都是离线进行的。接下来就是召回，为什么会有召回？因为物品太多了，每次给一个用户计算推荐结果时，如果对全部物品挨个计算，那将是一场灾...

x

协同过滤的重点在于“协同”，所谓协同，也就是群体互帮互助，互相支持是集体智慧的体现，协同过滤也是这般简单直接，历久弥新。协同过滤当你的推荐系统度过了只能使用基于内容的推荐阶段后，就有了可观的用户行为了。这时候的用户行为通常是正向的，也就是用户或明或暗地表达着喜欢的行为。这些行为可以表达成一个用户和物品的关系矩阵，或者说网络、或者说是图，都是一个东西。这个用户物品的关系矩阵中填充的就是用户对...

1.对关键元素重要性的认识要开发一个推荐系统产品，有这么四个关键的元素需要注意：1. UI 和 UE；2. 数据；3. 领域知识；4. 算法。他们的重要性依次递减，权重大致是 4-3-2-1。因为，推荐系统的效果不是你想买就能买，而是要正确认识不同阶段不同因素的重要性。最先优化的一定是产品的 UI 和 UE ，即人机交互设计和用户体验设计。数据贯穿了产品始终，...

概念：什么是推荐系统：定义：它是一种信息过滤系统，手段是预测用户（User）对物品（Item）的评分和偏好“它能做什么”：推荐系统可以把那些最终会在用户（User）和物品（Item）之间产生的连接提前找出来“它需要什么”：推荐系统需要已经存在的连接，从已有的连接去预测未来的连接。“怎么做？”：预测用户评分和偏好。推荐系统的问题模式：1. 评分预测；2. 行为预测。...

推荐系统核心（笔记四）6. 推荐系统解释

第三章 推荐系统工程介绍1. 开源平台及工具介绍

推荐系统核心（笔记二）7. 推荐系统排序算法

推荐系统核心（笔记一）4. 协同过滤推荐算法

一、推荐系统背景知识1. 推荐系统介绍和知识储备2. 推荐系统应用场景及其价值3. 推荐系统团队组成和目标定位4. 推荐系统的未来发展...