从零开始了解推荐系统全貌-腾讯云开发者社区-腾讯云
| 导语 根据实际项目经验，从零开始介绍推荐的基础知识与整体框架。希望能帮助大家在了解部分碎片化知识后，形成对推荐系统全貌的认知。
本文作者：yijiapan，腾讯WXG数据科学
一、推荐算法的理解如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，节约大量用户与内容和服务连接的时间和成本。如果把推荐系统简单拆开来看，推荐系统主要是由数据、算法、架构三个方面组成。
- 数据提供了信息。数据储存了信息，包括用户与内容的属性，用户的行为偏好例如对新闻的点击、玩过的英雄、购买的物品等等。这些数据特征非常关键，甚至可以说它们决定了一个算法的上限。
- 算法提供了逻辑。数据通过不断的积累，存储了巨量的信息。在巨大的数据量与数据维度下，人已经无法通过人工策略进行分析干预，因此需要基于一套复杂的信息处理逻辑，基于大量的数据学习返回推荐的内容或服务。
- 架构解放了双手。架构保证整个推荐自动化、实时性的运行。架构包含了接收用户请求，收集、处理，存储用户数据，推荐算法计算，返回推荐结果等。一个推荐系统的实时性要求越高、访问量越大，那么这个推荐系统的架构会越复杂。
二、推荐系统的整体框架
推荐的框架主要有以下几个模块
- 协议调度：请求的发送和结果的回传。在请求中，用户会发送自己的ID，地理位置等信息。结果回传中会返回推荐系统给用户推荐的结果。
- 推荐算法：算法按照一定的逻辑为用户产生最终的推荐结果，不同的推荐算法基于不同的逻辑与数据运算过程。
- 消息队列：数据的上报与处理。根据用户的ID，拉取例如用户的性别、之前的点击、收藏等用户信息。而用户在APP中产生的新行为，例如新的点击会储存在存储单元里面。
- 存储单元：不同的数据类型和用途会储存在不同的存储单元中，例如内容标签与内容的索引存储在mysql里，实时性数据存储在redis里，需要进行数据统计的大量离线数据存储在hivesql里。
三、用户画像
3.1 用户标签
**标签是我们对多维事物的降维理解，抽象出事物更具有代表性的特点。**我们永远无法完全的了解一个人，所以我们只能够通过一个一个标签的来刻画他，所有的标签最终会构建为一个立体的画像，一个详尽的用户画像可以帮助我们更好的理解用户。
3.2 用户画像的分类
