推荐和搜索系统设计

具体到发现系统（即推荐和搜索），我遇到的大多数实施方案都遵循类似的范式--组件和流程分为离线和在线两种。不过，在下面的例子中，我们也会看到使用图（DoorDash）和决策树（LinkedIn）的系统。基于上述 2 x 2 的推荐和搜索基本系统设计。在在线环境中，每个请求从左到右依次经过检索和排序步骤，然后返回一组结果（如推荐、搜索结果）。更新：这一 2x2 后来被其他资源引用，包括 英伟达™（NVIDIA®）"推荐系统，不仅仅是推荐模型 Xavier Amatriain 的 " RecSys 架构蓝图 阿里巴巴、Facebook、京东、Doordash 等公司的例子。我将重点介绍这些系统如何分为离线和在线环境，以及它们的检索和排名步骤。Facebook 通过查询和文档编码器设计基于嵌入的检索。电子商务搜索系统的主要阶段（左），JD 的候选检索设计（右）。为了解决这个问题，他们建立了一个定制的 TensorFlow 数据集，其中用户和项目数据首先作为查找字典加载到内存中。