? ? ??

? ? ? ?算法和模型是推薦系統(tǒng)的核心，直接決定了推薦效果的好壞。在推薦系統(tǒng)中，算法要從兩個方面來考慮：算法本身準(zhǔn)確性和算法的效率。相對算法準(zhǔn)確性，推薦系統(tǒng)工程化更關(guān)注的是算法效率。算法和模型層面主要包含如圖所示。

? ? ? ?從推薦算法的理論來講，主要可以從召回層和排序?qū)觾蓚€方面來說，雖然召回層和排序?qū)佣际鞘褂盟惴ê湍Ｐ蛠碜?#xff0c;但是針對于不用的階段，所用的模型也有一定的差別。

? ? ? ?在召回層中，我們又可以分為3類方法，即傳統(tǒng)算法、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型。

? ? ? ?所謂的傳統(tǒng)算法就是利用傳統(tǒng)推薦系統(tǒng)理論中所采用的算法，例如計算用戶之間的相似度、物品之間的相似度等，而這兩類算法從大體上來講，都可以用協(xié)同過濾算法來表示，只不過一個是基于用戶的協(xié)同過濾算法，一個是基于物品的協(xié)同過濾算法。

? ? ? ?所謂的機(jī)器學(xué)習(xí)模型指使用機(jī)器學(xué)習(xí)相關(guān)算法來得到召回層結(jié)果的方法，例如NMF（Nonnegative Matrix Factor，非負(fù)矩陣分解）算法、LFM模型（Latent Factor Model，基于潛在隱因子模型）、FTRL（Follow The Regularized Leader）算法、PersonalRank算法等。

? ? ? ?所謂的深度學(xué)習(xí)模型指使用深度學(xué)習(xí)相關(guān)算法來得到召回層結(jié)果的方法，包括深度神經(jīng)網(wǎng)絡(luò)（DNN）和Embedding等方法。

? ? ? ?而在排序?qū)又?#xff0c;我們也可以使用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩種方式來對召回結(jié)果進(jìn)行排序，這里的排序一般采用點(diǎn)擊率預(yù)估，并將預(yù)估得到的概率降序排序取前N得到最終的排序結(jié)果。

? ? ? ?在使用機(jī)器學(xué)習(xí)進(jìn)行排序?qū)优判驎r，我們也可以將其分成2個大類，分別為線性模型和樹模型，實(shí)際上，在真正的使用過程中，我們會將這兩類模型結(jié)合起來使用。

• 在線性模型中主要使用邏輯回歸作為主要的排序算法，而邏輯回歸又屬于線性回歸的一種變形，因此，要想學(xué)習(xí)好邏輯回歸，就得對線性回歸有一定的了解。

• 樹模型是排序算法中用得最多的一種模型的統(tǒng)稱，在排序?qū)又谐Ｓ玫臉淠Ｐ陀址譃闆Q策樹模型和集成學(xué)習(xí)模型，常用在推薦系統(tǒng)中的有隨機(jī)森林、Boosting、GBDT、XGB、LGB。

? ? ? ?雖然排序?qū)拥臋C(jī)器學(xué)習(xí)算法會被分為線性模型和樹模型兩種，但是進(jìn)行排序時一般將二者結(jié)合使用，其中常見的組合方式就是使用GBDT+LR的方式進(jìn)行點(diǎn)擊率預(yù)測和排序?qū)拥呐判颉?/p>

? ? ? ?而使用深度學(xué)習(xí)模型進(jìn)行點(diǎn)擊率預(yù)測和排序?qū)优判蛞彩峭扑]系統(tǒng)中常用的方式，尤其對于大量的數(shù)據(jù)和特征，漸漸成為目前各大企業(yè)的主流排序方式，常見方式是DeepFM和xDeepFM。DeepFM顧名思義就是深度模型（Deep）和因子分解機(jī)（FM）結(jié)合使用。而xDeepFM是DeepFM的升級版，主要改進(jìn)的是DeepFM模型中的DCN模型的缺點(diǎn)。

END

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復(fù)“加群”獲取一折本站知識星球優(yōu)惠券，請回復(fù)“知識星球”喜歡文章，點(diǎn)個在看

總結(jié)

以上是生活随笔為你收集整理的科普|推荐系统常用算法总结的全部內(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。