习哥爱学习［内容推荐］——0104

习哥爱学习［内容推荐］——0104

新年第一周，阅读的书目是《内容推荐》，那你什么是推荐。书中的解释是：

推荐是什么？
一言以蔽之，推荐是特定场景下人和信息更有效率的链接。

今天阅读的是走进内容推荐，主要内容有三个方面：推荐系统架构初探、YouTube和Netflix推荐架构参考、基于推荐架构优化的启示

对于我一个外行人来说，理解这个架构的成本真的太高了，所以我也不上图了，就用文字来说说我是怎么理解的。

推荐系统架构与搜索系统架构的异同
相同点：
二者实现的都是信息与用户意图之间的匹配。
不同：
搜索系统是将海量内容与用户表意明确的查询词相关联;
推荐系统则是将海量内容与用户没有明确表达的偏好相关联。

看这个不同点我觉得挺有意思，这是不是说明随着技术的进步，机器比你更懂你的爱人的喜好。
换句话说，随着技术水平的完善，机器可能比人更能理解人的意图。如果技术一直发展，这个一定会做到的。

这本书为了更好的让读者理解推荐系统的架构，用搜索系统做了一个类比。

搜索系统的工作流程
搜索词（分词、变换、扩充、纠错）→召回（从索引数据库）→排序（通过计算模型对内容进行分值计算）→规则干预（服务于特定的产品目的）→结果显示——用户的反馈会影响排序环节的模型（点击跳权）

推荐系统的工作流程与搜索系统的工作流程类似，最大的差异在于推荐系统需要尽可能的完善用户的长期画像（对哪些类目、实体词、话题感兴趣）和短期场景（时间、地点信息）。以便更好的揣摩用户当下的意图，以进行后续的内容匹配。

这还只是最基本的工作流程，随着深度学习、神经网络的介入，推荐系统会变得更为复杂。这本书举了两个例子，YouTube和Netflix的推荐架构，真的对于外行来说，理解起来有些困难，我们只需要知道基本的工作流程就好，复杂的留给专业的用户经理们去看吧，我就以用户和自媒体的角度来看就好了。

给我们的启示：
用户：“训练”你的推荐系统，通过你的反馈和使用。
自媒体:学会内容的包装和加工，包装的好的内容，更有机会被机器理解，才有机会触达用户；加工好的内容，更能获得用户的满意点击，才有机会扩散给更多的用户。
用户经理：完善用户画像、优化信息召回、完善规则系统。

未完待续……

想看更多内容，请点击下面链接！
习哥爱学习［推荐的起点：断物］——0108