📚 推荐引擎 · 全解
30章 · 从入门到架构
01
推荐系统概述
发展史
核心价值
应用场景
商业变现
进入章节 →
02
推荐系统评估体系
离线指标
AUC
CTR/CVR
A/B测试
进入章节 →
03
经典召回策略 (上)
协同过滤
UserCF
ItemCF
SVD++
进入章节 →
04
经典召回策略 (下)
基于内容
PersonalRank
热点召回
冷启动
进入章节 →
05
向量化召回时代
双塔DSSM
Youtube DNN
多路融合
粗排
进入章节 →
06
特征工程 (上)
用户画像
物品画像
上下文特征
实时特征
进入章节 →
07
特征工程 (下)
特征交叉
特征选择
特征存储
实时计算
进入章节 →
08
排序模型基石
逻辑回归
FM
FFM
进入章节 →
09
深度学习排序 (上)
Wide&Deep
DeepFM
DCN
进入章节 →
10
深度学习排序 (下)
DIN
DIEN
MMOE
进入章节 →
11
模型训练与优化
损失函数
负采样
模型压缩
在线学习
进入章节 →
12
实时推荐架构
Flink
实时特征
Lambda
Kappa
进入章节 →
13
推荐系统数据管道
埋点
数据清洗
ODS/DWD/DWS/ADS
进入章节 →
14
大规模模型部署
TF Serving
Triton
版本管理
AB平台
进入章节 →
15
缓存与存储策略
Redis
Faiss
Milvus
HBase
进入章节 →
16
冷启动问题
用户冷启动
物品冷启动
系统冷启动
EE策略
进入章节 →
17
多目标优化
多目标排序
帕累托最优
贝叶斯优化
进入章节 →
18
强化学习推荐
Contextual Bandit
DQN
深度强化学习
进入章节 →
19
图神经网络推荐
GCN
GAT
LightGCN
PinSage
进入章节 →
20
序列推荐模型
GRU4Rec
SASRec
BERT4Rec
Transformer
进入章节 →
21
多模态推荐
CNN/ViT
BERT
多模态融合
进入章节 →
22
推荐系统可解释性
LIME
SHAP
规则解释
Attention可视化
进入章节 →
23
公平性与隐私
公平性度量
去偏
联邦学习
进入章节 →
24
大规模系统工程实践
微服务
服务治理
全链路压测
进入章节 →
25
A/B测试平台
实验分层
流量分割
显著性检验
进入章节 →
26
案例：电商推荐
淘宝/京东
双11大促
实时个性化
进入章节 →
27
案例：内容推荐
抖音/TikTok
快手
信息流
进入章节 →
28
案例：社交推荐
微信看一看
微博
LinkedIn
进入章节 →
29
推荐系统前沿趋势
大模型GPT/LLM
生成式推荐
因果推断
进入章节 →
30
面试与职业发展
常见面试题
系统设计
学习路径
进入章节 →