推薦引擎系統功能模組分析

摘要： 推薦引擎系統的主要模組分為資料收集、使用者建模、物品建模、推薦演算法、混合模組、結果儲存、前端展示和查詢引擎。推薦系統的系統架構包含以下幾部分： 推薦系統功能 使用者建模：根據使用者的人口統計學資訊和使用者行為資料，建立使用者畫像等模型，刻畫其短...

推薦引擎系統的主要模組分為資料收集、使用者建模、物品建模、推薦演算法、混合模組、結果儲存、前端展示和查詢引擎。推薦系統的系統架構包含以下幾部分：

使用者建模：根據使用者的人口統計學資訊和使用者行為資料，建立使用者畫像等模型，刻畫其短期和中長期的興趣。

物品建模：根據物品的領域屬性，以及使用者訪問這些物品的資料，建立物品畫像模型，刻畫其本質特徵。

推薦演算法：根據使用者和物品的建模，通過不同的推薦方式進行演算，最終找到能與使用者或物品輸入所匹配的推薦物品。

混合模組：根據不同的混合策略，將多種方式的推薦結果進行合併。因為考慮到實時性，一般都被放入離線處理。當然，如果系統足夠輕量級，混合邏輯並不複雜，資料量也足夠小，是可以放入線上部分來處理的。

結果儲存：將推薦演算法的挖掘結果儲存下來，以便於線上的實時訪問，倒排索引同樣是不錯的選擇。當這些結果資料達到一定的規模，或者是包含了比較複雜的商業邏輯時，就可以考慮直接使用搜索引擎來協助了。

前端展示：這一部分用於接收網頁或移動裝置發過來的推薦請求，並經過必要的初步處理之後向推薦後端引擎傳遞，並在拿到後端返回的結果之後返回給前端使用者。

查詢引擎：推薦系統的複雜邏輯基本上都是在離線時完成的，因此通常情況下線上查詢只需要使用搜索這樣的高效檢索系統來完成就行了。