推荐系统是一个策略行为，本文将用几张图，来带你看懂今日头条的推荐系统。
推荐系统的“前身”
2016 年，腾讯以 80 亿美元估值投资今日头条，结果大家都知道，张一鸣拒绝了腾讯的投资，现在大家也知道，字节跳动估值 750 亿美元，这一切，推荐系统功不可没。
因为搜索引擎和推荐系统太相似，相对来说也更简单（勿喷），所以我们先来了解一下搜索引擎。至于搜素引擎是不是推荐系统的前身，我很懒，没有考察。
如上图，搜索引擎分成为离线部分和在线部分，每一部分有不同的使命。
简单来说，搜索引擎的离线部分，专注于内容的搜集和处理。搜索引擎通过网络爬虫抓取网站上的原始内容，并将内容建立索引。这些内容会根据搜索系统的不同要求建立不同的索引体系，比如新闻类型的内容，会建立时效性的索引数据。
搜索引擎的在线部分，负责响应用户的搜索请求，完成内容的筛选和排序，并将最终结果返回给用户。我们举一个例子来说明这个流程：
用户在搜索引擎输入一个关键词 NBA，搜索引擎搜索会对关键词进行分析、变换、扩充和纠错等处理，比如发现美职篮与 NBA 是同义词，就会将其扩充。
接下来，搜索引擎会通过多种方式从不同索引数据获得候选集，这个环节叫召回。
得到候选集后，搜索引擎通过更精细的计算模型对每一篇候选内容进行分值计算，对候选集的每一项进行排序。
这个时候，还不能将结果展示给用户，需要经过规则干预这一过程。这个过程服务于特定的产品目的。假如有这样一条“官方网站保护规则，确保所有品牌搜索词都可以优先返回官网”，则此时就会将官网插入并置顶，最后再将结果展示给用户。
此时，搜索引擎的工作还未结束。搜索引擎会根据用户的点击反馈去优化排序模型。比如，大部分用户都没有点击文章 10，则文章 10 后续就不会获得更靠前的展现位置。
对以上两图进行总结就是下图，就是想让你们看的第一张图：
本文转载自 Think 体验设计公众号。
原文链接：https://mp.weixin.qq.com/s/8FSAn442599YCR-WfvWkFQ
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论