揭開推薦系統的神秘面紗

開篇

先推薦幾篇關于推薦的文章，個人感覺對于入門很有實際意義，是IBM的工程師寫的，如下：

探索推薦引擎內部的秘密，第 1 部分: 推薦引擎初探

探索推薦引擎內部的秘密，第 2 部分: 深入推薦引擎相關算法 - 協同過濾

探索推薦引擎內部的秘密，第 3 部分: 深入推薦引擎相關算法 - 聚類

推薦系統是什么

推薦，就是把你可能喜歡的商品，推到你的面前。構建一個推薦系統，就是構建如何把商品推到你面前的過程。

經常聽到人說，推薦就是算法，在接觸推薦系統之前，我也以為推薦就是算法，一說到算法，可能就以為很高深了，也很唬人，立馬產生一種膜拜之感，也就變得神秘起來了。

當我真正完完整整的接觸到推薦系統，達到一個入門級水平，可以獨立構建一個千萬級PV電子商務網站的推薦系統之后，以前的認知也改變了，我現在的觀點是：

推薦是一個整體的計算過程，在編碼中，關于算法的部分所占的工作量可能1%都不到；

構建一個千萬PV級別的推薦系統相對容易，一天的日志不過幾百M，計算過程中的數據，單臺機器的內存可以存下，當PV達到幾億幾十億時，就需要進行稍微復雜一點的分布式計算了；

推薦的計算方法很多，如何選擇，效果難以預料，只有通過橫向和縱向多做效果分析，才有意義。

推薦的計算過程

計算的數據來源

Web訪問日志、購買、收藏，這些實際是用戶的行為數據；

用戶，這是分析的基礎數據；

商品，這是分析的基礎數據；

計劃日志的存儲格式

如何標記同一個未登陸用戶；如何找出未登陸用戶和登陸用戶是用一個人。

這是很重要的，這是以后日志分析計算的基礎。

計算過程第一步

根據用戶行為數據，分析出用戶和商品的關系；用戶<-->瀏覽、用戶<-->購買、用戶<-->收藏等。

計算過程的第二步

根據第一步計算的數據，分析中常用的推薦結果，比如根據瀏覽數據，計算出“看了又看”，根據購買數據，計算出“買了又買”等。

計算過程的算法（或者叫規則）

算法，是廣義的，數學公式；規則，是小眾的，公司自己定義的，復雜自己場景的業務規則，在計算過程的第二步，計算最終的推薦結果時，大部分使用的都是自行定義的業務規則。

以推薦“看了又看”為例，根據一個商品，如何推薦出其他商品呢：

可以就根據這個推薦類型的基本含義，一個商品  --->  看了這個商品的很多人，又看了  --->  很多的商品，這就是推薦結果了，但是這個推薦結果有非常非常多，如何推薦呢？

可以推薦購買次數最終的，推薦最新的，推薦兩個商品的View人群最相似的......

推薦結果的接口提供

這就沒有什么了，都是通用的。

推薦系統的核心

基于業務的，推薦效果的評價體系；

基于技術的，大數據量時的分布式計算

代碼說明

前置項目：這個相關項目就比較多了，網站、商品、訂單，都有相關性。

最新源碼：git clone git@github.com:pumadong/cl-recommend.git 。

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈