深解京东个性化推荐系统演进史

个性化推荐架构

在起步初期，推荐产品比较简单，每个推荐产品都是独立服务实现。新版推荐系统是一个系统性工程，其依赖数据、架构、算法、人机交互等环节的有机结合。新版推荐系统的目标，是通过个性化数据挖掘、机器学习等技术，将“千人一面”变为“千人千面”，提高用户忠诚度和用户体验，提高用户购物决策的质量和效率；提高网站交叉销售能力，缩短用户购物路径，提高流量转化率（CVR）。目前新版推荐系统支持多类型个性化推荐，包括商品、店铺、品牌、活动、优惠券、楼层等。新版个性化推荐系统架构如图 4 所示。

图4　新版个性化推荐系统架构

个性化推荐系统架构图中不同的颜色代表不同的业务处理场景：数据处理部分（最底层绿色模块），包括离线数据预处理、机器学习模型训练，以及在线实时行为的接入、实时特征计算。推荐平台（蓝色模块），主要体现响应用户请求时推荐系统的各服务模块之间的交互关系。推荐系统核心模块：

• 推荐网关。推荐服务的入口，负责推荐请求的合法性检查、请求分发、在线Debug以及组装请求响应的结果。

• 调度引擎。负责推荐服务按策略调度及流量分发，主要根据配置中心的推荐产品的实验配置策略进行分流，支持按用户分流、随机分流和按关键参数分流。支持自定义埋 点，收集实时数据；支持应急预案功能，处理紧急情况，秒级生效。

• 推荐引擎。负责推荐在线算法逻辑实现，主要包括召回、过滤、特征计算、排序、 多样化等处理过程。

• （编辑：东莞站长网）

  【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!