互联网时代流量红利见顶，大厂们纷纷开始精耕流量，千人千面的推荐系统恰恰可以在流量粒度进行优化，从而提升用户与平台的交互频次，进而提升平台转化，营收。在互联网从事数据工作，不了解推荐系统,可以说基本在被out的队列，岌岌可危。这次，就和大家浅显的介绍下推荐系统，不讲高大上的技术，就讲推荐系统的逻辑。
一个推荐系统的架构其实并不复杂， 基本上就是召回， 排序， 规则三个部分。
召回模型
目的
负责根据用户和场景特征， 从众多的内容通道中抓取用户可能感兴趣的内容， 召回模型可能是多通道并行的， 通道与通道之间互不影响。召回模型也叫做触发模型。
排序模型
目的
根据CTR等指标， 对来自不同通道的所有召回内容进行排序。 在Feeds中， 内容按照排序模型的输出自上而下显示， 在广告推荐中， 选择CTR最高的若干个进行展示。除了合并通道的原因以外， 召回和排序两个阶段所使用的特征也大不相同， 这样的做法可以避免单模型特征爆炸。
规则系统
目的
是对模型的补充。在实践中主要起到两个方面的作用：
- 处理系统对于多样性， 实效性等的个性化需求
- 应对一些特殊的， 紧急的需求， 做hard code
下篇开始介绍各模块常用的技术，内容比较多，分批更新~