推荐系统之---企业级平台推荐设计

前言

不管是做直播推荐、电商平台推荐、视频推荐、亦或是其他平台的推荐，从技术上讲【很多东西都是想通的，也许你可以从这里借鉴到你想要的东西。】
下面我会按照以下顺序开始介绍，并且这个顺序也大概是推荐架构实现的一个顺序：

• 用户画像系统
• 推荐召回系统
• 推荐排序系统
• 推荐系统评估系统
  如果某些同学，对某些部分已经非常熟悉了，可以直接跳过，毕竟这里只是介绍了这些系统是怎么去做的，以及在整个架构中起到了什么作用，而并没有提供具体的实现方法。

1.用户画像系统

用户画像系统是非常重要的一个环节，因为它是我们数据的源头，如果说在数据最开始就把我们带偏了，那我们后面不管做的多么的完美，都是只会在错误的道路上越走越远，所以我们必须要重视这份初始的数据，把握好数据的质量。
推荐系统–用户画像，应用的场景最主要的是用户分析和研究，就是单一用户行为细致分析和用户调研，可以做单独群体使用习惯研究。还有产品和运营，了解系统用户现状，优化用户体验实现精准营销，实现更好的营销方案。
用户画像是可以和业务系统相关的，推荐系统–基于内容的方式，基于内容统计，排序阶段特征获取，推荐系统，找到可能对主播感兴趣的用户。用户刚好喜欢这个主播所具有的特征，就可以给他发送信息，以此让他参加关于该主播的活动。对于电商的推荐道理相同，找到对应某一主题感兴趣的用户，给这些用户做信息推送，这样就可以让用户与该主题下的物品进行互动，以此进一步挖掘用户的偏好。

上面的这张图，已经很清晰的告诉我们，用户画像在做什么，能做什么。
下面我们看一下用户画像的结构，最底层是原始数据，比如说物品的信息，还有各种日志，观看日志，评论日志，礼物日志等等，有了这些以后对他们进行规划。可以做一些统计行为信息，用户什么时间段喜欢看视屏，每天看多少个，用户的付费能力怎么样，每天付费多少等等。可以根据这些行为日志，算出用户的兴趣，比如一个用户经常看跟没事相关的视频。有了用户画像以后，可以提供给运营系统，还有推荐系统。

用户画像可以分为以下几类：

• 基础属性：年龄、性别、设备型号、安装渠道、常住地等等。
• 行为属性：浏览时长、浏览时段、消费等级、活跃度等等。
• 兴趣属性：用户感兴趣的主题，这些主题往往是平台定义的，比如动漫、社科、历史等等。
  

2.推荐召回系统

2.1 推荐召回的必要性

首先来看一下推荐系统产生的背景，随着互联网技术发展，信息过载成为普遍问题，信息消费者，从海量的信息中找到自己喜欢的或者感兴趣的内容比较困难，作为信息生产这，让自己的信息容易被发觉、容易被用户感知到、甚至从众多的信息中脱颖而出，受到广大用户的关注也是比较困难得。
这个问题在很早以前就被意识到了，并且有了对应的解决方案。那就是【搜索引擎】，这个方案的提出者是雅虎，因为搜索引擎可以帮助用户找到相关的内容。但是，这里还有一个问题，如果用户的描述中关键字不准确，或者用户本身没有什么需求，搜索引擎就无能为力了。这个时候推荐系统就应运而生，它不需要用户描述它的需求，是根据它的历史给用户推荐感兴趣的内容。【如此就定义出：推荐系统是用来满足用户需求不是很明确的时候，帮用户找到可能感兴趣的内容】。

2.2 推荐系统功能

推荐系统的功能，简单介绍就是：推荐商品。下面具体介绍

• 推荐系统的主要任务是建立用户和信息（信息可以是任何其他形式的东西）之间的联系，一方面帮助用户找到他可能感兴