感謝博文作者 Kevin_Duan
原文鏈接：https://blog.csdn.net/chunyun0716/article/details/83152037

推薦系統整體架構

先說點題外話，最近在看的書中講到了怎么進行自學的方法，分了十個層級。第一個便是要了解所學內容的概況，也就是輪廓，大的東西是什么，方向是什么。所以，專欄的主要內容就是推薦系統，那么首先來看看推薦系統的整體架構是什么。

先來一張圖：

推薦系統的核心組成部分

這里把推薦系統分為以下重要的組成部分：

離線

核心節點

服務

UI

下面將大致介紹每一部分的重點內容，具體的、詳細的內容便是本專欄圍繞的主題，將在后續章節一一為大家進行說明。

離線

離線部分主要包括數據采集、ETL、特征工程和離線算法模型的訓練。

數據采集就不用多說了，它是推薦中的物料，有了數據，推薦系統才能發揮作用，才能訓練各種各樣的模型進行推薦，進而將算法的作用發揮到極致。所以，數據收集是比較重要的，要在這個方面多多思考。

ETL就是常說的數據清洗。因為原始的數據并不是能滿足你的要求，而是非常雜亂的，那么需要對數據做進一步的處理，方便后續的使用，這個過程往往伴隨這數據倉庫的產生。

特征工程。原始數據太多了，可能需要挑選若干個進行重點分析。

算法模型。根據現有的數據，訓練離線模型。

核心節點

核心節點包括推薦結果存儲，推薦引擎配置，AB test 服務。這部分內容是推薦的關鍵，后續章節詳細給出。

服務

服務這塊包含推薦服務、實時服務、排序服務和業務服務。這部分是推薦系統的重要工程，它涉及大數據、排序邏輯、業務邏輯和推薦邏輯，是算法和工程結合的產物。

UI

有人可能會說，推薦系統怎么會包含UI，沒錯，這個還非常重要。推薦系統的推薦效果怎么樣，全靠它和真實的用戶進行交互，全靠它的數據上報。它上報的曝光和點擊數據是對推薦系統很重要的反饋，推薦系統根據實際用戶的反饋會做進一步的調整和優化。

總結

本節給出了推薦系統的整體框架，準確地說是一個邏輯架構圖。通過它，可以了解推薦系統包含哪些子系統，子系統之間有些什么交互。當然，詳細的交互會在后續章節一一給出，請大家持續關注。

</div><link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-258a4616f7.css" rel="stylesheet"></div> </article>

總結

以上是生活随笔為你收集整理的【推荐系统】推荐系统整体框架概览的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。