推荐系统入门

https://github.com/LongxingTan/Machine-learning-interview/blob/main/03_system/03_ml/recommendation.md

学习效果

• 能通过推荐搜索的系统设计面试
• 能参加推荐比赛

学习资料

• 王树森
• torch-rechub
• kdd23
• sparraw
• twitter
• 论文+blog

系统

离线层：不用实时数据，不提供实时响应；
近线层：使用实时数据，不保证实时响应；
在线层：使用实时数据，保证实时在线服务；

召回

• 多通道
• 双塔
• I2I
• 过滤
• 负样本

排序

• 多目标

• 特征：特征工程，特征交叉，序列特征

• 在线学习

• 粗排、精排

重排

• 多样性
• fresh

冷启动

• 全链路
• 流量调控

Bias

• position bias

线上线下不一致

AB test

数据

特征

召回

• content-based filtering： Uses similarity between items to recommend items similar to what the user likes.
  • Content-based filtering doesn’t look at other users.
• collaborative filtering：Uses similarities between queries and items simultaneously to provide recommendations.

排序

重排

评测

部署

服务

维护

监测

Reference

• 工业界的推荐系统之概要 - 养生的控制人的文章 - 知乎
• https://datawhalechina.github.io/fun-rec/#/ch01/ch1.3
• fun-rec 代码
• https://www.tecton.ai/blog/guide-to-building-online-recommendation-system/

其他

• ItemCF原理简述及Spark代码实现 - Shard Zhang的文章 - 知乎
• 📖 精品课程-推荐系统-来自Google云 - Cesc的文章 - 知乎

学习路线

• ML design为base 然后读paper 读blog 之后自己在draw flow，反复几遍
• 方法的pros和cons，具体coding背后怎么算的，loss function优缺点，怎么优化

比赛

• KDD Cup 2023

给定session的历史交互序列，预测下一个交互item

• kaggle H&M

给定购买记录，预测topk

https://mp.weixin.qq.com/s/iaoPTe83VYANitpkVHLA2w