推薦系統的架構

本文從網際網路收集並整理了推薦系統的架構，其中包括一些大公司的推薦系統框架（資料流儲存、計算、模型應用），可以參考這些資料，取長補短，最後根據自己的業務需求，技術選型來設計相應的框架。後續持續更新並收集。。。

介面ui那一塊包含3塊東西：1) 通過一定方式展示推薦物品(物品標題、縮圖、簡介等)；2) 給的推薦理由；3) 資料反饋改進個性化推薦；關於使用者資料的存放地方：1)資料庫/快取用來實時取資料；2) hdfs檔案上面；

抽象出來的三種推薦方式

圖2

圖3中，推薦引擎的構建**於不同的資料來源(也就是使用者的特徵有很多種類，例如統計的、行為的、主題的)+不同的推薦模型演算法，推薦引擎的架構可以試多樣化的(實時推薦的+離線推薦的)，然後融合推薦結果（人工規則+模型結果），融合方式多樣的，有線性加權的或者切換式的等

hulu的推薦系統

**的推薦系統(詳細跟簡單版)

netflix的推薦系統

優酷的推薦系統

備註：上圖來至easyhadoop舉辦的技術沙龍中優酷資料探勘工程師的演講，有關詳細資訊請移步作者在演講中講的一些"乾貨"跟推薦議題是很有價值的，下圖簡單描述。

模型前資料準備(理解資料來源，使用者，物品)

模型策略

其他考慮的場景