推荐系统架构.pptxVIP

大数据环境下的推荐系统架构汇报人：余俊良

背景毫无疑问，这是一个数据爆发的时代。一分钟内，推特上有20万条新消息被发送；在“Facebook”上用户浏览的信息超过1000万条。人们在享受网络带来便捷的同时，产生了大量的新型多结构数据。有人说，世界的本质就是数据，大数据将开启一次重大的时代转型。

背景当然，如果处理不好大数据，人类可能会被大数据“反噬”，找到自己需要的信息变得更困难，迷失于大数据之中。有用的信息埋没于繁杂的数据中的现象被称为“信息过载”。在大数据时代，让用户从海量的信息中找到自己想要的信息实在是有点强人所难。时代变了，用户获取知识的方式也应随之改变：利用推荐技术向用户推送个性化服务。

推荐系统研究现状目前推荐系统的研究内容和方向主要包括以下几个方面：1、推荐技术的研究2、推荐的实时性与推荐质量3、利用云计算提高推荐系统计算能力4、推荐系统的可解释性5、用户隐私问题

推荐系统组成产品核心数据算法

推荐系统组成产品同类或者相关商品、店铺推荐买了还买、看来还看等猜你喜欢群体信息披露热门排行榜etc

推荐系统组成数据显式数据：能准确的反应用户对物品的真实喜好，但需要用户付出额外的代价-用户收藏-用户评价隐式数据：通过一些分析和处理，才能反映用户的喜好，只是数据不是很精确，有些行为的分析存在较大的噪音-用户浏览-页面停留时间-访问次数

推荐系统组成算法算法类型：