五对混合推荐系统的思考( 五 ) _推荐系统

四
工业级推荐系统与混合推荐
在第三节我们详细讲解了多个推荐算法混合的各种可行情况，那么在真实的推荐业务场景中，混合推荐算法使用得多吗？一般我们会怎么进行不同推荐算法和策略的混合呢？下面我们就来回答这两个大家可能会非常关心的问题。
前面在第二节中也讲解了混合推荐算法的巨大价值，混合推荐算法的思路在工业级推荐系统中是一直在使用的，是非常有价值的一种解决推荐问题的较理想的策略。
在工业级推荐系统中一般将整个推荐流程分为召回、排序、策略调控3个阶段，具体的架构见下图4 。

文章插图
图4：工业级推荐系统3阶段架构
这个三阶段的结构类似混合推荐中的流水线混合范式，下面我们分别对这三个阶段的功能进行简单介绍，同时会说明每个阶段的算法是怎么利用到混合推荐的思路的。
召回阶段的目的是通过利用不同的推荐算法将用户可能喜欢的标的物从海量标的物库(千万级或者上亿)中筛选出一个足够小的子集(几百上千) 。作者在《基于标签的实时短视频推荐系统》这篇文章第四节“个性化推荐的召回与排序策略”中对多种召回策略进行了介绍(参考下面图5，感兴趣的读者可以阅读这篇文章的相关章节)，这其中的每一种召回策略可以看成是一个推荐算法，不同召回算法的结果是通过掺杂混合的方式(也就是前面提到的第三种混合推荐算法)进行合并的，混合后的推荐结果作为数据输入给后续的排序推荐算法阶段进行进一步精细化处理。

文章插图
图5：多类召回策略
在排序阶段，对召回阶段多种召回算法混合后的推荐结果进行精细排序，因此从召回到排序这两个阶段的就是前面提到的级联混合推荐(也就是前面提到的第六种混合推荐算法)策略。
在业务调控阶段，会根据业务规则及运营需求，对排序阶段的推荐结果进行调整，可能会调整顺序，插入需要强运营的标的物，插入广告等。这一阶段的处理是比较偏业务的，不同行业和运营策略所做的处理会很不一样，这一块可能会更多偏规则。从排序到业务调控这两个阶段的没有被前面提到的7种混合推荐算法覆盖，算是在真实业务场景下对上述混合推荐算法的一种补充和完善。
从上面一般的工业级推荐系统的三阶段架构可以知道，推荐过程是大量使用混合推荐中的一些策略和方法的，并对这些方法进行了拓展和完善。真实的工业级推荐系统是非常复杂的，不同行业和产品形态推荐系统实现方式差别较大。除了前面提到的工业级推荐系统的架构中包含混合推荐的策略，工业界推荐系统的方方面面都会用到混合的思路，下面分别对当前工业级推荐系统几种主要趋势、算法、架构或者特殊场景下中采用的混合推荐策略进行简单的分析和介绍，方便大家更好地理解混合推荐的方法和思想，通过更多的案例介绍，让大家对混合推荐的思想活学活用、融会贯通，而不仅仅停留在理论层面。
1
实时推荐系统与混合推荐
今日头条是最早将实时个性化推荐大规模应用于产品作为核心功能的APP，并作为整个公司的核心技术，短短几年时间，今日头条APP无论是DAU还是人均使用时长都成为资讯行业第一，这让今日头条迅速崛起为国内top互联网公司。受今日头条的影响，越来越多的公司将实时个性化推荐应用于自己的产品，如手机百度APP、手机淘宝、各类短视频资讯APP等都将实时个性化推荐作为核心功能落地到了自己的产品中。