1 信息流推荐架构
聚合信息流
内容采集和分析 抓取，标注，分配ID，运营边界和调性，CMS，队列通知离线计算
离线计算 推荐结果，用户画像，排序模型
推荐服务
日志收集和其他配套 监控，日志，可视化
社交动态聚合流
- 整体框架
日志收集
动态发布和分发
离线计算
在线服务
监控报警
指标计算 - 数据模型
Time Actor Verb Object Target Title Summary
From To Type/Name Affinity
动态存储Mysql, Redis, Cassandra
关系存储Mysql
用户存储Mysql - 动态分发
推（活跃度高）和拉（活跃度低）
结合生产和消费的关系
中小型社交网络用推的就行 - 信息流排序
避免没有目标（量化好正向和负向互动）和人为加权降权
分为三种：生成样本，排序训练，模型部署
2 个性化首页架构
- 首页架构
在线层：简单算法，预测，过滤调权，重排过滤等特殊处理
离线层：计算离线推荐结果，计算模型参数
中间层：流计算，近实时计算，画像更新，模型小批量梯度下降更新 - 简化架构
只要在线和离线层；避免使用分布式系统，在百万级别的物品协同过滤，单机就行
3 搜索，推荐，广告
搜索解决的是如何快速找到想要的信息
推荐更多样性，探索用户兴趣，抓住用户注意力
广告系统包含商业目标，关注商业利益最大化
