ELMA的博客

1 推荐系统的架构推荐系统的目的是帮助用户在“信息过载”的情况下高效地获得感兴趣的信息。因此推荐系统要处理的是**“人”和“信息”**的关系。信息包括：物品信息即商品推荐的商品信息、视频推荐的视频信息等用户信息用户历史行为、用户属性、关系网络等场景信息（上下文）时间、地点、用户状态等1.1 推荐系统的逻辑框架推荐系统要处理的问题可以较形式化地定义为：对于用户U (user)，在特定场景C (context)下，针对海量的“物品”信息，构建一个函数f(U,I,C)f(U,I

回顾前深度学习时代的推荐模型仍是非常必要的，因为：协同过滤、逻辑回归、因子分解机等传统推荐模型仍然凭借其可解释性强、硬件环境要求低、易于快速训练和部署等不可替代的优势，拥有大量适用的应用场景。传统推荐模型是深度学习推荐模型的基础1 传统推荐模型的演化关系[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Cxq2rPYT-1653567457047)(https://raw.githubusercontent.com/SNIKCHS/MDImage/main/img/t