推薦系統#

推薦系統是解決資訊過載問題的重要手段，透過建立用戶與物品之間的連接，幫助用戶發現感興趣的內容。

核心概念#

推薦系統的本質是在用戶和物品之間建立連接，評估推薦系統價值的公式：

ΔConnection / (ΔUser × ΔItem)

當這個比值足夠大時，推薦系統才能創造價值。

章節導覽#

章節內容
概述推薦系統基礎概念、經典問題、思維模式
用戶建模用戶畫像、標籤體系、特徵工程
協同過濾User-CF、Item-CF、相似度計算
矩陣分解SVD、ALS、BPR、隱式反饋處理
排序模型LR+GBDT、FM/FFM、CTR 預估
深度學習Wide&Deep、YouTube DNN、RNN 序列推薦
Bandit 演算法Thompson Sampling、UCB、LinUCB、探索利用
系統架構離線/近線/在線架構、Feed 系統、Netflix 架構
工程實踐資料採集、實時推薦、實驗平台、服務化
品質與安全測試方法、評估指標、攻防策略

學習建議#

建議按照以下順序學習：

  1. 先理解推薦系統的本質和應用場景
  2. 掌握協同過濾和矩陣分解等基礎演算法
  3. 學習排序模型和深度學習方法
  4. 了解系統架構和工程實踐
  5. 最後關注系統品質和安全問題
Backward 短網址系統 推薦系統概述 Forward