如果說互聯(lián)網(wǎng)的目標(biāo)就是連接一切，那么推薦系統(tǒng)的作用就是建立更加高效的連接了。

不得不說抖音的推薦系統(tǒng)，太厲害了。刷了啥，立刻記住你的偏好，推薦相似內(nèi)容，一不小心 2 小時就過去了，讓人欲罷不能，要么日活 6 億呢。

其實(shí)“推薦系統(tǒng)”從沒像現(xiàn)在這樣，影響著我們的生活。除了抖音、快手這類短視頻，還有網(wǎng)購時，天貓、京東會為你推薦商品；想看看資訊，頭條、知乎會為你準(zhǔn)備感興趣的新聞等等。

?

而驅(qū)動這些巨頭進(jìn)行推薦服務(wù)的，都是基于深度學(xué)習(xí)的推薦模型。

?

想起 2019 年阿里的千人千面系統(tǒng)，促成了天貓“雙 11” 2684 億成交額。假設(shè)通過改進(jìn)商品推薦功能，使平臺整體的轉(zhuǎn)化率提升 1%，就能在 2684 億成交額的基礎(chǔ)上，再增加 26.84 億。這就是推薦工程師的最牛的地方，也是為啥人能拿百萬年薪的原因。

?

但在一個成熟的推薦系統(tǒng)上，找到提升的突破點(diǎn)并不容易——不能滿足于協(xié)同過濾、矩陣分解這類傳統(tǒng)方法，而要建立起完整的“深度學(xué)習(xí)推薦系統(tǒng)”知識體系，加深對深度學(xué)習(xí)模型的理解，以及大數(shù)據(jù)平臺的熟悉程度，才能實(shí)現(xiàn)整體效果上的優(yōu)化。

?

所以假期除了刷抖音，我又重新看了看《深度學(xué)習(xí)推薦系統(tǒng)》這個專欄，2 刷有不少新的啟發(fā)。作者王喆，Roku 推薦系統(tǒng)架構(gòu)負(fù)責(zé)人，也是咱圈里的大佬，一直深耕在推薦系統(tǒng)、計算廣告領(lǐng)域，經(jīng)驗(yàn)非常豐富。他之前出過同名的書，豆瓣評分?9.3，相當(dāng)高。

?

當(dāng)年我看書的時候，就感覺實(shí)踐太少，偏模型原理。所以在聽說王喆開了個實(shí)踐專欄時，第一時間就訂閱了，跟著學(xué)下來，受益匪淺。讓我完整地把推薦系統(tǒng)的原理捋了一遍。下面王喆總結(jié)的「核心知識圖譜」，建議收藏。

最重要的是，實(shí)操性特別強(qiáng)。王喆特地為了這個專欄，開發(fā)了一個開源項目「 SparrowRecsys」，能讓你親手嘗試，搭建一套完整的深度學(xué)習(xí)推薦系統(tǒng)（下面有詳細(xì)介紹，賊有意思）。可以說是書的實(shí)踐版本，里面加入了更多技術(shù)細(xì)節(jié)的實(shí)現(xiàn)和討論。

?

毫不夸張的說，這個專欄讓我對深度學(xué)習(xí)推薦系統(tǒng)的認(rèn)知，提升到了一個新高度，所以很想把它推薦給你，掃碼免費(fèi)試讀????

?

限時秒殺+口令「happy2021」

到手僅 ￥89 ，原價?￥129

新用戶到手僅?￥59.9

?

?

王喆這課，為啥值得買？

?

先來說說這個 SparrowRecsys 推薦系統(tǒng)。王喆把它叫做“麻雀推薦系統(tǒng)”，取“麻雀雖小、五臟俱全”之意，它利用了開源的 movielens 數(shù)據(jù)集，搭建起了包括：

Spark、Flink 特征工程

TensorFlow 深度學(xué)習(xí)模型訓(xùn)練

TensorFlow Serving 模型服務(wù)

Redis 在線特征數(shù)據(jù)庫

Jetty Server 推薦服務(wù)器

JS 前端實(shí)現(xiàn)

?

以上這些在內(nèi)的，一整套深度學(xué)習(xí)推薦系統(tǒng)。不說它能支撐起一個中大型公司的推薦系統(tǒng)，但是毫無疑問，它可以成為一個工業(yè)級推薦系統(tǒng)的種子項目。而這一切，都能在課程里，一步步嘗試搭建起來。

?

最后你實(shí)現(xiàn)的推薦系統(tǒng)會是這個樣子????

?

SparrowRecSys的首頁

?

SparrowRecSys的相似電影推薦頁

?

在這些前端頁面的背后，是你能實(shí)現(xiàn)的一個又一個深度學(xué)習(xí)模型：

?

• 對于電影的相似推薦功能，王喆會使用各種 Embedding based 的方法，比如 item2vec，graph embedding 等等。

• 對于推薦功能，會基于 TensorFlow 實(shí)現(xiàn)Embedding MLP，Wide&Deep，NerualCF，Two Towers，DeepFM，DIN 等等深度學(xué)習(xí)模型，然后使用 TensorFlow serving 去進(jìn)行模型服務(wù)。

• 對于召回層、排序?qū)舆@些推薦邏輯，也會全盤在基于 Jetty 的推薦服務(wù)器中實(shí)現(xiàn)。

?

整個項目整體的技術(shù)架構(gòu)是下面這個樣子的：

?

SparrowRecSys的技術(shù)架構(gòu)

?

是不是感覺很牛。其次，專欄本計劃是 30 講，生生寫到 43 講，補(bǔ)充討論了很多熱門的問題。在這里貼 15 個專欄里討論的問題，看專欄留言區(qū)的討論，感覺收獲更大。

?

?

最后說說，他是怎樣講解這門課程的？

整體遵循了經(jīng)典推薦系統(tǒng)的框架，分為 6 部分，學(xué)懂了，實(shí)現(xiàn)一個工業(yè)級的深度學(xué)習(xí)推薦系統(tǒng)，不成問題，簡單介紹下：

?

基礎(chǔ)架構(gòu)篇：講要從 0 開始實(shí)現(xiàn)的推薦系統(tǒng)， Sparrow RecSys 的主要功能和技術(shù)架構(gòu)，也會用到 Spark、Flink、TensorFlow 等業(yè)界最流行的機(jī)器學(xué)習(xí)和大數(shù)據(jù)框架。

?

特征工程篇：討論推薦系統(tǒng)會用到的特征，以及主要的特征處理方式，并將其實(shí)踐在 Spark 上。此外，還有深度學(xué)習(xí)中非常流行的 Embedding、Graph Embedding 技術(shù)，并帶你實(shí)現(xiàn) Sparrow Recsys 中的相似電影推薦功能。

?

線上服務(wù)篇：帶你搭建一個推薦服務(wù)器，包括服務(wù)器、存儲、緩存、模型服務(wù)等模塊和相關(guān)知識，涉及 Jetty Server， Spark、Redis 的使用。

?

推薦模型篇：深度學(xué)習(xí)推薦模型的原理和實(shí)現(xiàn)方法，包括 Embedding+MLP ，Wide&Deep，PNN 等深度學(xué)習(xí)模型的架構(gòu)和 TensorFlow 實(shí)現(xiàn)，以及注意力機(jī)制、序列模型、增強(qiáng)學(xué)習(xí)等相關(guān)領(lǐng)域的前沿進(jìn)展。

?

效果評估篇：效果評估的主要方法和指標(biāo)，建立起包括線下評估、線上 AB 測試、評估反饋閉環(huán)等整套的評估體系，真正能夠用業(yè)界的方法，而不是實(shí)驗(yàn)室的指標(biāo)來評價一個推薦系統(tǒng)。

?

前沿拓展篇：講 YouTube、阿里巴巴、微軟、Pinterest 等一線公司的深度學(xué)習(xí)應(yīng)用，幫你追蹤業(yè)界發(fā)展的最新趨勢。

目錄也放這兒了????

?

可以說，王喆老師的書也好，課也好，從未叫人失望過，而且他人也特別 nice，經(jīng)常在專欄下面跟讀者留言互動，這種耐心和責(zé)任心，真不是一般人有的。

?

????掃碼免費(fèi)試讀

限時秒殺+口令「happy2021」

到手僅?￥89?，原價?￥129

新用戶到手僅?￥59.9

沒計劃的學(xué)習(xí)，都只是作秀。與其花時間找一堆資料，還不如有計劃的消化一個系統(tǒng)的課，更值。

?

????點(diǎn)擊「閱讀原文」，新用戶?￥59.9 就能拿下。

總結(jié)

以上是生活随笔為你收集整理的入坑推荐系统，拿这个开源项目练手的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。