清澈如初|个性化推荐算法（推荐系统）概要(13)
- 推荐算法工程落地是否一定需要排序模块
- 推荐算法服务于用户的两种形式
我拿餐厅服务外卖来类比说明 ， 第一种方式是将餐厅有的菜先做好很多份 ， 如果有外卖单过来 ， 直接将做好的送出 。 第二种是将所有的配菜都准备好 ， 接到外卖单立马将配菜加上调料炒熟再送出去 ， 只要配菜准备足够好 ， 炒菜的时间不太长并且可控 ， 也是可以很好的服务用户的 。 第一种方式是事先做好的 ， 无法满足用户个性化需求 ， 同时如果做好了没人点的话就浪费了 ， 第二种可以更好满足用户个性化需求 ， 比如用户说不要香菜多放辣椒就可以在现做的时候满足 。
第二种方式对整个推荐系统要求更高 ， 服务更加精细 ， 但是第一种方案更加简单 ， 不过也需要更多的存储资源(将所有用户的推荐结果事先存下来) 。 在推荐系统构建的初级阶段建议采用方案一 。
某些推荐业务用方案一是不可行的 ， 比如上面的笛卡尔积范式的推荐系统 ， 因为用户数乘以标的物数是一个巨大的天文数字 ， 公司不可能有这么多的资源将每个用户关联的每个标的物的推荐结果事先计算好存储下来 。
- 推荐系统评估
参考文献：
- 1.Multi-Interest Network with Dynamic Routing for Recommendation at Tmall
- 2.Deep Session Interest Network for Click-Through Rate Prediction
- 3.Behavior Sequence Transformer for E-commerce Recommendation in Alibaba
- 4.Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba
- 5.Personal Recommendation Using Deep Recurrent Neural Networks in NetEase
- 6.Deep Reinforcement Learning for List-wise Recommendations
- 7.Recommendations with Negative Feedback via Pairwise Deep Reinforcement Learning
- 8.Learning Tree-based Deep Model for Recommender Systems
- 9.Item2Vec- Neural Item Embedding for Collaborative Filtering
- 10.Deep Neural Networks for YouTube Recommendations
- 11.Deep Learning based Recommender System- A Survey and New Perspectives
推荐阅读
- 静默如初|三天三夜舞蹈永不停歇-问问腕表可以7天7夜
- 清澈如初|不是微信好友如何转账？教你两种方法，家里老人都需要
- 曹曦月|终于知道她为啥和金瀚传绯闻，气质清纯如初恋，谁看了会不爱？
- 跳跳糖哪里跑|我长大，你依旧年轻：蒋依依杨颖如初，而他们从母子变姐弟
- 穿搭|33岁宋茜“扮嫩”成功，穿紫色毛衣温柔治愈，气质清纯如初恋
- 旗袍公馆|33岁宋茜“扮嫩”成功，紫色毛衣配半裙温柔治愈，气质清纯如初恋
- 中国临床营养网|【今晚直播】王兴国：减肥方法要个性化，营养师医师有话说！
- 鑫珊时尚|李冰冰扎拳击辫显活力满满 活泼比V眼神清澈动人
- 易昕娱乐|10岁上央视47岁得金鸡影帝，今与妻子恩爱如初，他是国家一级演员
- ZAKER娱乐|嫁大18岁患病丈夫不离不弃，结婚多年恩爱如初，曾是央视最美主持
