跳至內容
登錄
羨慕同學進了大廠核心部門，看懂這本書你也能行！（文末送書）
小異最近聽說一位做推薦算法的同學通過面試，順利入職某大廠核心盈利部門，真是太羨慕他了。為什么會推薦算法就能在大廠這么吃香？
因為大廠要依靠推薦系統來變現。例如，電商企業要向用戶推薦最需要的商品；視頻流媒體平臺要向用戶推送最喜歡的內容；社交新聞媒體平臺要讓用戶看到最感興趣的信息……
因此，推薦系統和企業的收入直接相關，推薦算法做得好，企業就可以更好地理解用戶需求，從而精準地推薦商品，增加銷售額，提高用戶忠誠度。
推薦算法是一項綜合性很強的技術，它需要運用多種技術手段去解決實際問題，包括機器學習、數據挖掘、自然語言處理等。技術人可能會困惑，這么多知識要學習，要學到什么程度？怎樣才能學好推薦算法？
有一位在大廠做推薦算法的資深技術人專門寫了一本書來解答上面的疑問，這本書就是《互聯網大廠推薦算法實戰》。從書名就可以看出來，這本書講的都是大廠的實戰經驗，想學推薦算法，看這本書就對了。
推薦系統的主要原理是通過對用戶的歷史行為數據（如點擊、購買、評分、評論等）進行分析和挖掘，提取用戶的興趣和喜好，并將其映射到物品空間中，從而預測用戶對未來物品的偏好程度，最終生成個性化推薦結果。
在推薦系統中有兩個最基本的角色：一個是用戶（User），推薦系統要服務的對象，同時也是推薦系統的重要貢獻者；另一個是物料（Item），統稱為被推薦的信息和內容，例如具體商品、視頻、音樂、新聞等。
推薦系統會執行四個步驟，從數百萬量級的物料中挑選出最優的幾十個物料，最終呈現在用戶面前。下面按順序介紹這四個步驟。
