亞馬遜的CEO Jeff Bezos曾經說過，他的夢想是“如果我有100萬個用戶，我就要為他們做100萬個亞馬遜網站”。而智能推薦系統的出現，就是為了實現這個夢想，智能推薦系統解決的是一個信息比對的問題，怎么樣基于用戶的信息和商品的信息去做一個更好的匹配，為每一個用戶實現個性化的推薦結果，這是推薦系統要解決的問題。從“千人一面”到“千人千面”，這個世界因智能推薦系統變得更人性化、更豐富、更美好。

?

推薦系統=推薦算法+系統工程

《個性化推薦系統開發指南》這本電子書基于PAI構建企業級推薦系統，從推薦算法開始，到系統工程問題講解，教你構建一個完整的推薦系統。

?

?

目錄

?

什么是推薦系統

伴隨著互聯網應用的發展，人們可以涉獵到更多的資訊。比如說進入到一個淘寶的平臺，有非常多的商品，如何將適合用戶的商品去觸達他，是淘寶需要解決的一個問題。本質上，推薦系統解決的是一個信息比對的問題。怎么樣基于用戶的信息和商品的信息去做一個更好的匹配，這是推薦系統要解決的問題。

常見的推薦業務場景有兩個。一個是基于搜索Query的推薦，比如說，在淘寶平臺購買一件商品，Query推薦要基于用戶的購買偏好，還有商品的屬性去做一個匹配。另一個是基于用戶和商品屬性的Feed流的推薦，我們采用機器學習推薦模型，它既要學習用戶，也要學習商品的屬性。

推薦系統召回算法

召回算法的作用是從海量待推薦對象中抽選出待排序的候選集。

下面是目前比較流行的4個算法。

• 協同過濾：基于統計的方式找到相似的item關聯關系以及user-item的關聯關系
• GraphSage：圖神經網絡召回算法，基于深度學習框架構建的圖算法。可以基于用戶和商品特征及行為產出user embedding和item embedding。

推薦系統排序算法

排序算法的作用是針對推薦的候選集進行用戶興趣從強到弱的排序，通常使用機器學習領域的二分類算法解決該問題。

目前比較經典的排序算法是下面列的這4種。

• 一、邏輯回歸是應用非常廣泛的一種算法。它是目前業內最經典的線性二分類算法，特點是容易上手，對于計算力要求低，模型可解釋性好。
• 二，FM算法近一兩年來，在很多客戶的場景中都得到大規模的應用，效果也不錯。它是通過內積的方式增強特征的表現力。

推薦系統線上服務編排

1、業務場景：客戶業務潮汐效應很明顯，業務高峰基本集中在中午和晚上。
2、方案：基于高擴展彈性業務場景，采用阿里云ACK構建整體推理架構。
3、調用流程：

• 多路召回：物品協同過濾，語義召回，熱門及運營策略召回取回上千條候選集。
• 曝光去重：基于該用戶閱讀歷史，去掉已經曝光內容，去掉基于運營策略不能推薦的內容（敏感內容）。
• 排序：推理模塊調用排序過程時根據用戶id及物料id，獲取用戶特征及物料特征（Redis）后，分批調用PAI-EAS服務返回排序結果。

?

作者介紹
阿里云人工智能產品專家傲海，長期從事人工智能平臺產品能力建設和商業化業務。伴隨阿里云機器學習PAI平臺從零起步，逐漸成為IDC、Forrester認證的國內領先的商業化人工智能平臺之一。《機器學習實踐應用》書作者，阿里云大學講師。

原文鏈接
本文為阿里云原創內容，未經允許不得轉載。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的开放下载！基于PAI个性化推荐系统开发指南的全部內容，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。