推荐算法原理大纲

推荐系统的构成元素

• 物品集合

• 用户

• 场景

• 推荐引擎：根据用户对物品或者信息的偏好（包括用户对物品的评分、用户查看物品的记录、用户的购买记录等）与用户的画像数据进行拟合，学习得到什么样的用户会喜欢什么样的物品这样一个模型

• 推荐结果集

推荐引擎构成：

• 召回模块：根据用户和场景特征，从物品列表（上百万个物品）中挑选用户可能感兴趣的物品，通过多种召回方法进行组合召回，最终得到用户的候选物品集（几百或者上千个物品）

• 排序模块：针对召回模块的候选物品集进行精排，排序模块使用的特征比召回模块复杂，目的是计算用户精确的预测值。

• 后排模块：对排序列表进行调整，比如运营干预、优先级调权、指定下发规则等

常用算法

• 召回模块
  

• 排序模块
  
  

推荐算法原理大纲

原文：https://www.cnblogs.com/peng-yuan/p/13778063.html