個性化召回
1、什麼是推薦系統？
在介紹推薦演算法之前需要先介紹一下什麼是資訊過載。
資訊過載就是資訊的數量遠超於人手工可以遍歷的數量。比如，當你沒有目的性的去逛超市，你不可能把所有的商品都看一遍都有什麼。同樣，無論是去書店看書，還是在電影**上搜尋電影，這些物品的量級對於沒有目的性、需求性的使用者而言都是資訊過載。
那麼什麼是推薦系統呢？
就是當使用者的目的不明確、且該服務對於使用者而言構成了資訊過載；但該系統基於一定的策略規則，將物品進行了排序，並將前面的物品展示給了使用者，這樣的系統就可以稱之為推薦系統。
舉例說明，在**購物過程中，無論是天貓或者京東這樣的平台，如果我們有明確的需求去搜尋框裡檢索。如希望買啤酒，那麼檢索結果就是很多種類的啤酒；如果沒有明確的需求，就會有猜你喜歡等等模組，這些模組就是推薦系統基於一定的規則策略計算出來的，這些規則策略就是個性化推薦演算法。
2、個性化推薦演算法在系統中所起到的作用
3、如何衡量個性化推薦演算法在產品中起到的作用
4、推薦演算法介紹
包括：個性化召回演算法、個性化排序演算法
5、評估指標：
1、什麼是個性化召回？
下面舉例說明：
如果某個推薦系統中，物品全集是如下左圖中9個item，這裡有兩個使用者a和b，他們分別對不同的item感興趣。這裡拿資訊流產品舉例，如果user a對體育類新聞感興趣，user b對娛樂類新聞感興趣，那就按照簡單的類別召回，得到結果如下右圖所示。
在候選集中為user a,user b選取一部分item作為候選集。
2、召回的重要作用
1、召回決定了最終推薦結果的天花板
為什麼這麼說呢？這裡先看一下推薦系統的整體架構，工業中的個性化推薦系統中的策略部分的架構主要由一下三部分構成：召回、排序、以及最後的策略調整部分，其中召回部分包括各路個性化召回之後將所有的item merge進入rank部分，rank只是調整召回完item的展現順序，rank完之後還有一些策略的調整，比如資訊流場景中的控制相同作者的數目等等，所以可以看到個性化召回的候選集是多麼的重要，因為最終展現給使用者的就是從這個候選集中選出來的。那麼就可能會有疑問，為什麼不能將所有的item進行排序？這是為了保證後端響應時間。
最後是後端的rpc服務。個性化推薦演算法主要發揮作用的部分。
rpc服務的三大策略部分。
2、個性化召回解析
個性化召回演算法分為哪幾大類？
這一類的個性化召回演算法總體來說就是推薦結果的可解釋性較強，比較通俗易懂，但是缺少一些新穎性。
整體的召回架構可以分為兩大類：
個性化推薦演算法比較
推薦技術 背景條件 輸入主要步驟 應用協同過濾 u對i的評價 u對i的評價等級 識別u的鄰居使用者 根據其生成i的評價分 只能推舊品 基於內容推薦 i的特徵屬性 u對i的評價等級 根據u的評價分生成專案的分類器 可以推新品 基於人口統計資訊推薦 u對人口統計資訊及對i的評價 關於u的人口統計資訊 識...
個性化推薦系統（六） 超大數量業務個性化實戰
線上系統有些業務是每天幾百篇增量資料個性化，或者是運營每天選定幾百 幾千個商品sku 池子個性化，這種是比較好進行儲存管理以及實現的。全站資料進行個性化，每個人相關資料一般 就只有幾個幾十個多個上百個，這個量級資料還可以快取儲存，可以存下來的。經分析歷史資料發現95 以上使用者只看前30頁，也就是3...
個性化推薦技術
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八寶盒，側重於圖書...