转载

迷你书：架构师特刊：推荐系统（实践篇）

序言

陈运文博士达观数据CEO

推荐系统从诞生的第一天起，就是在产业界需求的伴随下不断孕育和成长。不论是最朴素的思路，还是高深晦涩的算法，实践运用中的效果，才是推荐系统最核心的关注点。因此无论是何种理论或架构，一定是要经受住前线的炮火锤炼，才能经久不衰。

通过这期技术特刊，我们总结了工业界在推荐系统的实践运用中的各类经验，集中展示了如何将理论与实践结合，开发出一个效果优秀、运行可靠的推荐系统。

实践中，应用场景的多样性是最常遇见的问题——待推荐的物料在电商、媒体、教育、招聘等行业中各不相同，它既可以是商品，也可以是新闻、小说、歌曲、视频等等……，针对不同的运用场景，需要我们因地制宜的对算法和模型进行优化，这里有很多的经验与大家分享。

随时间动态变化的数据，也是需要处理的关键一环。用户的行为数据源源不断的产生并动态变化，设计良好的推荐系统，不能仅仅局限于静态的算法和模型生成，还需要有能力将动态的数据融合进来，快速的捕捉行为数据、动态的调整推荐结果、准确的把握推荐的时机，这里考验的是推荐系统的架构能力。

推荐系统架构的稳定性、延展性也是不容忽视的。与实验室的模拟环境不同，生产环境的系统一旦上线运转后，不仅要承受每秒千万次的服务调用，还需要不断的进行扩展和升级，因此设计一个灵活可扩展的架构，才能不断吸纳新的算法和模型，同时保证系统长期稳定的服务。

推荐系统是通过机器学习技术，挖掘数据背后的规律，不断刻画用户需求，洞察人性的过程。真实世界里的数据是纷繁杂乱的、用户的兴趣是多样且变幻的，这也是充满挑战和乐趣的课题，只有在实践中反复锤炼，才能让推荐系统精益求精，充分的发挥价值、闪耀光芒。

知识是珍宝，而实践是开启它的那把钥匙。

原文 http://www.infoq.com/cn/minibooks/recommendation-system-practice

正文到此结束

所属分类：编程技术

本站定位：个人技术类博客

本站作用：写博客、记日志、闲聊扯淡鼓捣技术。