【推薦系統篇】--推薦系統介紹和基本架構流程
一、前述
推薦系統是企業中常用的技術，所以系統的掌握推薦系統的知識是很有必要的。本專欄主要講述手機APP下載的項目。
常用的推薦方法有兩個，分別是基於物品的推薦和基於用戶的推薦。
基於用戶的推薦原理是：跟你喜好相似的人喜歡的東西你也很有可能喜歡（userBaseCF）。
基於物品的推薦原理是：跟你喜歡的東西類似的東西你也可能喜歡（itemBaseCF）。
我們這裏用到的是itembaseCF，本質是依據特征找用戶喜好規律。
二、協同過濾算法詳述
結論：對於用戶A，根據用戶的歷史偏好，這裏只計算得出一個鄰居用戶C，然後將用戶C喜歡的物品D推薦給用戶A
結論：基於用戶的推薦（長虛線）---1和5比較相似，5買了104商品，所以把104推薦給用戶1。
基於物品的推薦（短虛線）---101物品和104物品比較相似，所以當用戶買了101，把104也推薦給他。
三、lambda架構（所有推薦系統的父架構）
四、本文系統架構
lmbda架構（手機APP下載）
解釋：1.選用邏輯回歸算法原因是用戶要麽下載，要麽不下載。
2.生成特征索引（實際上是一個文本文件）的原因是格式化測試數據，也是相當於降維，當一個userId進來時找到推薦服務，然後通過服務路由去查找HBase中的數據，並根據特征索引來取對應的特征，所以這一步相當於一個降維。
線上架構（測試集架構）：
關聯特征：保存的是同現矩陣。
流程：核心思想（計算用戶對所有APP（除去歷史下載部分）的評分，按分值排序，然後取topn）
問題：
五、需求分析（架構推薦方案）
1、數據清洗（得到訓練數據）
2、算法建模（得到模型結果）
3、模型使用（得到推薦結果）
4、結果評估（推薦結果評估）
【推薦系統篇】--推薦系統介紹和基本架構流程