推荐系统概述架构中包含用户的特征工程、物品的特征提取流程→召回机制→排序模块→评估常用的指标如准确率和AUC值；同时需解决冷启动与实时性问题。

自1992年起, 施乐帕拉奥图研究中心(PARC, 其中PARC拥有众多创新成果, 如打印机、鼠标以及操作系统和图形界面等)首次提出基于协同过滤算法的推荐系统方案之后, 后期较为知名的工业界应用包括亚马逊UCF体系及Netflix的内容推荐系统等, 进入深度学习时代后, 推荐系统已在电商、资讯平台及视频服务公司等领域的广泛应用成为主流趋势。在PC互联网发展阶段, 核心模式是"用户主动获取内容", 因此搜索引擎在此时期占据主导地位; 随着移动互联网时代的到来, 信息量呈现井喷态势, 此时网络主要内容转向"被动式的信息获取"模式。因此从功能逻辑上讲: 推荐系统可被看作是一种"零交互式查询的方式"。这篇博客旨在介绍推荐系统的整体架构设计以及一些个人认为较为优秀的参考资料书籍

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog