想象一下，站在推薦引擎面前的你被抽離出一個(gè)數(shù)字的軀體。你找到一面鏡子，卻驚詫的發(fā)現(xiàn)自己的身體被無(wú)數(shù)數(shù)據(jù)所填充，許是：科技10%、籃球4%、熱火隊(duì)2.3%、歷史1%、自然0.3%。你仔細(xì)觀察，甚至發(fā)現(xiàn)了很多連你自己都沒(méi)有注意到的細(xì)節(jié)：雖然熱愛(ài)旅游，但你喜歡博物館遠(yuǎn)多過(guò)自然景觀。當(dāng)然，你也會(huì)發(fā)現(xiàn)自己的身體上仍然有一團(tuán)團(tuán)的迷霧，那是尚未被系統(tǒng)所發(fā)掘的興趣點(diǎn)。

專門為你適配的內(nèi)容如一群螢火蟲(chóng)般朝你涌來(lái)，你伸手點(diǎn)擊了一條內(nèi)容將它點(diǎn)亮。就在點(diǎn)擊的那一瞬間、你身上的迷霧有一絲散去了，同時(shí)顯示出了新的興趣點(diǎn)：“極限運(yùn)動(dòng)：0.01%”，那些原本就存在的密密麻麻的數(shù)字也有一些發(fā)生了變化：有的權(quán)重上升、有的權(quán)重下降。每一次選擇與反饋，你都在進(jìn)化著自己的數(shù)字軀體。

現(xiàn)在，你生出了雙翅、原地飛翔了起來(lái)，能夠從高處俯瞰整個(gè)推薦系統(tǒng)。你看到了一個(gè)又一個(gè)數(shù)字?jǐn)M態(tài)的人，在不同的信息流中暢游。每個(gè)人身邊圍繞著許許多多的信息光點(diǎn)、又同其他人之間有著若隱若現(xiàn)的連接。一個(gè)個(gè)信息被閱讀的點(diǎn)亮、被忽略的變暗。每一個(gè)被點(diǎn)亮的光點(diǎn)就像被延續(xù)了生命一樣，得以被分裂成更多光點(diǎn)、順著人和人之間的連接，飛舞到更多的人身邊。此起彼伏的光點(diǎn)明滅，共同照亮了整座系統(tǒng)，讓它仿佛有生命一般慢慢擴(kuò)張。

這個(gè)過(guò)程聽(tīng)起來(lái)或許科幻，但用來(lái)描繪推薦系統(tǒng)，怕是再恰當(dāng)不過(guò)了。
推薦是一個(gè)協(xié)作與進(jìn)化的過(guò)程：

• 對(duì)于內(nèi)容而言，每一個(gè)用戶既是消費(fèi)者又是決策者，被認(rèn)可的內(nèi)容得以進(jìn)一步擴(kuò)散，不被認(rèn)可的內(nèi)容被糾偏、不至于影響更多的人。
• 對(duì)于用戶而言，每一次行為反饋都在不斷完善自己的用戶畫(huà)像；而系統(tǒng)的興趣探索行為，也在進(jìn)一步給這幅畫(huà)像補(bǔ)充了更多維度。

大致了解推薦系統(tǒng)的架構(gòu)，能夠幫助我們認(rèn)知到：信息是如何匹配給用戶的，而用戶的選擇又是如何影響后續(xù)的信息分發(fā)的。

作為一個(gè)工程問(wèn)題，推薦系統(tǒng)的架構(gòu)與搜索系統(tǒng)的架構(gòu)具有一定的相似度：都做的是信息與用戶意圖之間的匹配。

搜索系統(tǒng)是將海量?jī)?nèi)容與用戶表意明確的查詢相關(guān)聯(lián)，推薦系統(tǒng)則是將海量?jī)?nèi)容與用戶沒(méi)有明確表達(dá)的偏好相關(guān)聯(lián)。

如果我們將推薦問(wèn)題極度簡(jiǎn)化：用戶只有一個(gè)愛(ài)好“NBA”時(shí)，那么推薦引擎給用戶的結(jié)果就可以近似搜索引擎在“NBA”這個(gè)搜索詞下的結(jié)果。

那么，一個(gè)簡(jiǎn)化的搜索架構(gòu)是什么？

離線部分，專注在內(nèi)容的搜集和處理上。

搜索引擎的爬蟲(chóng)系統(tǒng)會(huì)從海量網(wǎng)站上抓取原始內(nèi)容，針對(duì)搜索體系的不同要求建立索引體系。在上圖中，為了新內(nèi)容能夠更好的被用戶看到，就專門建立了時(shí)效性索引數(shù)據(jù)用于存儲(chǔ)幾個(gè)小時(shí)之內(nèi)的新內(nèi)容。這是一個(gè)基于關(guān)鍵詞的倒排索引，每一個(gè)關(guān)鍵詞對(duì)應(yīng)一長(zhǎng)串提及該關(guān)鍵字的文章。比如，“教育”這個(gè)詞命中文章1、2、3；“NBA”命中了另外一批文章1、2、4。

在線部分，負(fù)責(zé)響應(yīng)用戶的搜索，完成文章的篩選、排序并最終返回給用戶。

用戶輸入一個(gè)搜索詞“NBA”，這個(gè)詞匯會(huì)首先經(jīng)過(guò)搜索詞的處理（會(huì)經(jīng)過(guò)分詞、搜索詞變換等步驟），例如“NBA”和“美職籃”是同義詞，那么在兩個(gè)詞都可以應(yīng)用在索引的查詢。

經(jīng)歷完搜索詞處理后，進(jìn)入召回環(huán)節(jié)。系統(tǒng)會(huì)通過(guò)多種召回方式，從索引數(shù)據(jù)里獲得候選集合。在圖中，就分別查詢了全量的索引數(shù)據(jù)和時(shí)效性索引數(shù)據(jù)，獲得了8篇文章的集合。

在召回的候選集之上，會(huì)進(jìn)行排序的步驟，通過(guò)進(jìn)一步計(jì)算獲得最終結(jié)果反饋給用戶，如圖中的文章10和文章1。

用戶的點(diǎn)擊反饋也會(huì)影響排序環(huán)節(jié)的模型。在上圖中，用戶在展示給他的兩篇文章中只點(diǎn)擊了文章10，這一特征會(huì)被模型記錄以統(tǒng)計(jì)文章10和文章1在搜索詞 “NBA”下的表現(xiàn)情況。

借由搜索系統(tǒng)為參考，可以更好的理解推薦系統(tǒng)。

離線部分，同樣需要通過(guò)各種方式來(lái)獲取待推薦的內(nèi)容（用戶提交、協(xié)議同步、數(shù)據(jù)庫(kù)導(dǎo)入等）。并依據(jù)推薦引擎處理的不同維度對(duì)這些內(nèi)容進(jìn)行索引處理，如話題、類目、實(shí)體詞等。在上圖中展示了兩個(gè)維度：分類維度和實(shí)體詞維度。

在線部分，其理亦然：量化用戶的請(qǐng)求，完成文章的篩選和排序。
推薦與搜索最大的差異，在于用戶表意的不明確性，故而，需要盡可能的完善用戶的長(zhǎng)期畫(huà)像（對(duì)哪些類目、實(shí)體詞、話題感興趣）和短期場(chǎng)景（時(shí)間、地點(diǎn)），以此獲得用戶的意圖，從而進(jìn)行意圖和內(nèi)容的匹配。

• 當(dāng)用戶打開(kāi)內(nèi)容推薦軟件時(shí)，提交給系統(tǒng)的信息如：時(shí)間、地理位置、網(wǎng)絡(luò)環(huán)境、手機(jī)設(shè)備型號(hào)、登陸用戶ID等。
• 基于用戶ID，推薦系統(tǒng)會(huì)取出用戶的畫(huà)像數(shù)據(jù)（User Profile）。在分類維度，用戶對(duì)體育和科技的內(nèi)容感興趣；在實(shí)體詞維度，對(duì)于NBA感興趣。
• 根據(jù)用戶的畫(huà)像信息，發(fā)起不同的召回過(guò)程（類目查詢和實(shí)體詞查詢），獲取各種類型的內(nèi)容構(gòu)成候選集合。
• 按照特定預(yù)估目標(biāo)（如點(diǎn)擊導(dǎo)向、互動(dòng)導(dǎo)向）對(duì)候選集統(tǒng)一排序，并反饋給用戶。

值得注意的是：對(duì)于推薦系統(tǒng)而言，用戶的行為不僅具有針對(duì)內(nèi)容價(jià)值評(píng)估的群體投票意義（如：某篇關(guān)于NBA的文章，偏好NBA的用戶都不點(diǎn)擊，那么其在“NBA”這個(gè)實(shí)體詞下應(yīng)該權(quán)重降低）同樣具有針對(duì)自身畫(huà)像的個(gè)體進(jìn)化意義（如：用戶總是點(diǎn)擊有關(guān)于熱火隊(duì)的NBA文章，那么這個(gè)用戶的畫(huà)像中會(huì)補(bǔ)充“熱火”這個(gè)實(shí)體詞，影響后續(xù)他自己的推薦內(nèi)容流。）