在互联网领域，推荐系统（Recommendation Systems）的应用非常广泛。在音视频方面，如抖音、快手、哔哩等；在电商平台方面，如京东、淘宝、拼多多等。推荐有助于帮助用户快速发现潜在感兴趣的内容（音视频、商品、新闻等信息流），从而提升用户体验，同时有助于提升商业效率。
从本文开始，笔者将结合自身在信息流推荐领域的经验，通过系列文章对推荐系统展开介绍。
目录
1.什么是推荐？
1.1 首页推荐
2.为什么推荐？
3.基本术语
3.1 Item
3.2 Query
3.3 Embedding
3.4 推荐场景中哪些数据可以采用 Embedding 来构造特征呢？
3.4.1 User 数据
3.4.2 Item 数据
3.4.3 额外数据
4.推荐系统架构
4.1 候选 Item 池
4.2 打分
4.3 重排
5.候选 Item 池
5.1 嵌入空间
5.2 相似性计算
5.2.1 余弦
5.2.2 点积
5.2.3 欧氏距离
5.3 召回
6.参考文献
1.什么是推荐？
当你进入淘宝、京东等电商平台APP时，你可能会发现，展示的商品大都是自己感兴趣的。当你进入抖音、快手、哔哩等音视频APP时，你会发现很多音视频也是自己感兴趣的。不必惊讶，这其实就是推荐——更准确地说，是信息流推荐——即通过机器学习的推荐模型，从海量的商品、视频、新闻中寻找出用户潜在感兴趣的内容。 常用的推荐有两种：
- 首页推荐——home page recommendations
- 相关Item推荐——related item recommendations
注意：Item 一词直接翻译为“项目”并不合适，在信息流推荐领域，Item 指一条新闻、一则广告、一个商品、一首歌曲、一个权益等等。Item 可以理解为被一条被推荐的内容。
1.1 首页推荐
首页推荐是根据用户的已知兴趣向用户个性化推荐。每个用户都会看到不同的推荐——俗称“千人千面”。你可以尝试访问淘宝、京东等 APP，和身边的朋友对比一下，你会发现，你们看到的内容是不一样的。
1.2 相关 Item 推荐
顾名思义，相关 Item 推荐是指推荐与特定 Item 相似 Item。在 Google Play 应用程序示例中，查看数学应用程序页面的用户还可能会看到相关应用程序的面板，例如其他数学或科学应用程序。
2.为什么推荐？
推荐系统可以帮助用户在大型语料库中快速找到感性却的内容。例如，Google Play 商店提供数百万个应用程序，而 YouTube 提供数十亿个视频。每天都会新增更多应用程序和视频。用户如何找到新颖且感兴趣的内容呢？
一种朴素的观点，人们可以使用搜索来寻找、访问内容。然而，这并不高效，因为用户可能并不了解自己对哪些内容感兴趣，即便知道，也可能不清楚使用哪些关键词来搜索。相较之下，推荐引擎可以为用户推荐一些用户自身 “未曾想到但感兴趣” 的 Item。
你可知道？
- Google Play 上 40% 的应用安装来自推荐。
- YouTube 上 60% 的观看时间来自推荐。
3.基本术语
为了便于理解后面的系列文章，我们先 “统一语言”——即定义一些术语，基于这些术语交流，可以减少歧义：
3.1 Item
直译为：项目，内涵为系统推荐的实体（如视频、商品、新闻、酒店等等），也称为项目，在不同场景下，Item 的内涵也有差异。对于 Google Play 商店，Item 是要安装的应用程序；对于 YouTube，Item 是视频。
3.2 Query
也称为上下文-Context，推荐系统需要根据 Query 来计算并返回建议（推荐）的 Item。Query 可以是以下各项的组合：
- 用户信息
- 用户的 ID
- 用户之前交互过的 Item
- 用户的地理位置、年龄、学历、收入等
- 补充信息（也称为额外信息）
- 一天中的时间
- 用户的设备类型和 ID
3.3 Embedding
即嵌入，在《机器学习20：嵌入-Embeddings》一文中有详细的介绍。嵌入是指从离散集（在本例中为 Query 集或要推荐的 Item 集）到称为嵌入空间的向量空间的映射。许多推荐系统依赖于学习 Query 和 Item 的适当嵌入表示—— Query 和 Item 的合适嵌入，将有助于推荐。
在提到 Embedding 时，首先想到的是“向量化”，主要作用是将 高维稀疏向量 转化为 低维稠密向量，从而方便下游模型处理。换一种说法，Embedding 是用一个 低维稠密向量 来表示一个对象，使得这个向量能够表达相应对象的某些特征，同时向量之间的距离能反映对象之间的相似性。
还有一种定义：Embedding 是将一个实例（instance）从复杂的空间嵌入（投射）到相对简单的空间，以便对原始实例进行理解，或者在相对简单的空间中进行后续操作。
3.4 推荐场景中哪些数据可以采用 Embedding 来构造特征呢？
下面简单列了笔者在 游戏和信息流推荐 时主要采用 Embedding 技术来处理的数据。
3.4.1 User 数据
典型如：用户的基础属性数据，如性别、年龄、关系链、兴趣偏好等。
- 对于用户兴趣偏好，一般简单地采用文本 Embedding 方法来得到各标签的 Embedding 向量，然后根据用户对这个标签的偏好程度做向量加权；
- 对于关系链数据（如同玩好友、游戏中心相互关注等），构造用户关系图，然后采用基于图的 embedding 方法来得到用户的 Embedding 向量；
3.4.2 Item 数据
Item 基本信息数据，如标题、作者、游戏简介、标签等。
- 对于文本、简介和标签等可以采用基于文本的 Embedding 方法来在已有语料上预训练模型，然后得到对应的 Embedding 向量（如 word2vec 或者 BERT）；
-
此外对于有明确关系的（如 item->文本->标签 or 关键词）可以采用对关键词/标签的向量均值来表示 item 的文本向量；
-
针对用户对 Item 的操作（如点击、互动、下载）构造：用户->item+Item 标签体系，构造用户-item-tag 的异构网络，然后可以采用 Metapath2vec 来得到各节点的 Embedding 向量；
-
通过记录用户在整个场景访问 item，构造 Item-Item 关系图，然后采用 DeepWalk 算法得到 item 的向量，用来挖掘 Item 间的关系特征；
3.4.3 额外数据
外部扩充数据，如用户游戏行为、用户微信其他场景活跃等。
- 标签型，主要是用户在各场景的兴趣偏好；
- 关系链型（如游戏中心好友、游戏内好友、开黑好友）可以采用用户关系构造用户关系图，采用 Graph Embedding 方法（如 GraphSAGE）来表示用户抽象特征。
4.推荐系统架构
推荐系统的常见架构如下图所示，包括四个组件（复杂的推荐系统包括召回、粗排、精排、重排，会更加复杂）。
- 物料库：包括所有 Item 和 User 的特征数据
- 召回：即采用简单模型从海量物料库中选择部分用户可能感兴趣的 Item
- 精排：即通过复杂模型对 Item 进行打分，进而排序
- 重排：给用户推荐的 Item 也不能完全是用户潜在感兴趣的，需要考虑多样性、时效性等
4.1 候选 Item 池
在第一阶段，系统从一个潜在的巨大物料库开始，通过【召回】生成一个小得多的候选子集。例如，YouTube 中的候选生成器将数十亿个视频减少到数百或数千个。鉴于语料库规模巨大，该模型需要快速评估查询。给定的模型可以提供多个候选生成器，每个生成器指定不同的候选子集。
4.2 打分
在复杂的推荐系统中，打分通常包括两个部分：【粗排打分】+【精排打分】。本质上都是通过模型对候选 Item 进行评分和排序，以便选择要向用户展示的 Item 集（信息流推荐大多数是分页的，每页大约 10 个，因此每次打分后，取 TOP N 即可）。由于该模型评估相对较小的 Item 子集，因此系统可以使用依赖于附加查询的更精确的模型。
4.3 重排
最后，系统必须考虑最终排名的附加约束。例如，系统删除用户明确不喜欢的项目或提高较新鲜内容的分数。重新排名还有助于确保多样性、新鲜度和公平性。
5.候选 Item 池
如何获取候选 Item 池呢？作为推荐的第一阶段，本质是一个【召回】过程。给定一个 Query，系统会生成一组相关的候选 Item。如下表所示，为两种常见的候选池生成方法。
| 类型 | 定义 | 例子 |
|---|---|---|
| 基于内容的过滤 | 利用 Item 之间的相似性，来推荐与用户喜欢的 Item 相似的 Item | 如果用户 A 观看了两个可爱的猫咪视频，那么系统可以向该用户推荐可爱的动物视频。 |
| 协同过滤 | 同时使用 Query 和 Item 之间的相似性来提供建议。 | 如果用户A与用户B相似，并且用户B喜欢视频1，则系统可以向用户A推荐视频1（即使用户A没有看过任何与视频1类似的视频）。 |
5.1 嵌入空间
基于内容的过滤和协作过滤都将每个 Item 和每个 Query（或上下文）映射到公共嵌入空间中的嵌入向量 。通常，嵌入空间是低维的（即
比物料库的大小小得多），并捕获 Item 或 Query 集的一些潜在结构。类似的 Item（例如由同一用户观看的 YouTube 视频）最终会在嵌入空间中紧密结合在一起。“接近度” 的概念是通过相似性度量来定义的。
额外资源： projector.tensorflow.org是一个用于可视化嵌入的交互式工具。
5.2 相似性计算
相似性度量是一个函数 它接受一对嵌入并返回一个测量它们相似度的标量。嵌入可用于候选池生成（即召回，也称为【向量召回】）。如下所示：给定查询嵌入：
，系统寻找那些接近于
的 Item 的嵌入
，即相似度高的嵌入
。
为了计算相似度，大多数推荐系统依赖于以下一项或多项：
- 余弦
- 点积
- 欧氏距离
5.2.1 余弦
即计算两个向量之间角度的余弦，，两个向量越接近，余弦值越大，夹角为 90 度（垂直），则结果为 0，即可认为相似度最低。
5.2.2 点积
两个向量的点积为 。也可用
（角度的余弦乘以范数的乘积）。因此，如果嵌入被规范化（归一化），则点积和余弦重合。
5.2.3 欧氏距离
欧几里得空间中的距离。距离越小意味着相似度越高。请注意，当嵌入规范化（归一化）时，平方欧几里德距离与点积（和余弦）一致，直到达到一个常数，因为在这种情况下。
5.3 召回
基于 Embedding 和相似度计算，我们就可以从海量的物料库中寻找到那些用户可能感兴趣的 Item，即基于相似度计算结果取出 TOP N。这一过程，在很多推荐场景中被称为【召回】。
6.参考文献
1-https://developers.google.cn/machine-learning/recommendation/overview
2-https://www.163.com/dy/article/FROC0ILQ0518R7MO.html
