推荐系统架构治理

作者:神秘网友 发布时间:2020-09-07 13:26:06

推荐系统架构治理

推荐系统架构治理

导读:在数字化革命和AI赋能的大背景下,推荐场景逻辑越来越复杂,推荐细分场景越来越丰富,对业务迭代和效果优化的效率有了更高的要求。推荐系统业务和技术在传统架构支撑下自然堆砌,变得越来越臃肿,开发维护困难,推荐系统在应用架构上正面临新的挑战。本文就第四范式在智能推荐系统架构方面的探索实践,聊一聊在应用架构治理方面提升推荐服务开发维护效率,增强系统灵活性和扩展性的新探索。重点探讨在开发推荐系统乃至智能系统领域时遇到的问题,解决方法及未来的发展趋势。

主要内容包括:

  • 推荐系统业务现状、趋势及挑战

  • "治理"的指导思想

  • Flowengine架构

  • 应用Flowengine后推荐的架构

  • 实例演示

01

推荐系统业务现状,趋势及挑战

1. 推荐系统业务现状

推荐系统架构治理

从图中我们可以看出,推荐系统大体可以分为三个阶段,最初的探索阶段,早在2010年左右,已经有了千人千面的说法,现在我们在学习推荐系统时,看一些文档或者资料,大都会拿亚马逊基于协同过滤的推荐、豆瓣基于标签的推荐系统做介绍,它们都是早期推荐系统应用在工业界的代表。到了第二阶段 ( 普及深入阶段 ),淘宝、京东以及一些垂直行业开始大范围尝试个性化推荐,此时,工程架构,算法策略层面都有

推荐系统架构治理相关教程

  1. Spring Cloud微服架构之消费者
  2. 小程序I18n最佳实践案例
  3. 需要真正明白的Promise
  4. 微服务微架构[三]之springboot集成nosql数据库mongodb
  5. Visual Studio Code 系统禁止运行脚本
  6. CCF CSP 201509-3 模版生成系统 python
  7. Python大牛一个月打造的Python系统学习流程图
  8. 循环神经网络实例3:语言模型的系统学习