推荐系统与搜索系统的差异：从整体逻辑层面进行总结

推荐系统的核心作用就是解决信息泛滥导致的挑选难题，提前帮用户筛选出最想要的信息，减少他们做决定时的麻烦。很多人可能觉得召回就是从资料库里抓取一小撮资料，这些资料随后会被模型用来评分和排序。这一步主要得处理数据量巨大，要求操作要快，模型不能太复杂，还得尽量减少使用特征排序。

召回：快速筛选的关键步骤

召回环节是推荐系统打头阵的环节，主要职责就是从那堆庞大的素材库里迅速挑出一些合适的素材。这步操作的关键是快和准，因为得面对一大堆数据，系统得在短时间内搞定筛选。一般召回的模型不会太复杂，用到的特征也不多，这样既能保证处理起来不慢，又能把可能相关的素材给筛出来。

咱们平时在做召回的时候，老爱用这个协同过滤的法子，这玩意儿跟咱们用户和那些商品都有密切关系。咱们得弄个用户和商品的矩阵，矩阵里头每一列就代表一个用户向量或者商品向量。比如说，某个用户玩过某个游戏，那矩阵里头对应的位置就记个1，没玩过的就记个0。因为用户没玩过的游戏那么多，矩阵里头0就特别多，所以咱们得来个矩阵分解，这样能少算点，效率也高。

协同过滤：用户与商品的互动分析

协同过滤这东西主要看的是咱们用户跟东西之间的那个互动情况。咱们把用户和东西弄成一个表格，这样子系统就能看出哪个用户喜欢啥东西，哪个东西又受不受欢迎。矩阵分解这个步骤在协同过滤里头挺关键的，它就是把这个大表格拆成俩小表格，这样一来计算起来就轻松多了，推荐的速度也能快上不少。这招在推荐系统里头特别管用，尤其是得处理一大堆数据的时候。

在咱们做协同过滤推荐的时候，用户玩过的游戏顺序那可是关键信息。每款游戏都会被转换成一种特殊的onehot编码，然后送进神经网络里去。神经网络看的是用户之前玩过的游戏记录，然后给出他们可能感兴趣的下一款游戏的预测。这招不仅能把推荐准确度给提升上去，还能多少解决一下新用户刚开始玩的时候推荐难的问题。

粗排与精排：模型的多层次打分

粗排和精排，这是推荐系统里头挺关键的俩步骤。一般来说，粗排会用一个或者几个模型先给那些被找出来的东西打个小分，然后精排就在这基础上再细磨一下，把东西排个序。大部分时候，咱们得用好几个模型来做这两步，这些模型可能各有各的使命，但基本上都得考虑一个点，就是点击率。

粗排和精排阶段，这个模型的评分依据是各种不同的信息和标识来决定的。就比如，像CTR这种模型，它用的标识就是看用户对现在展示的内容有没有点击。要是点击了，标识就记1，没点击就记0。这些标识和信息都是我们推荐系统能收集到的，包括了那些分段的属性（比如性别、分类、整数这些）和连续的属性（比如点击率、自然数这些）。

特征处理：从数据到模型的转化

在推荐算法里，对特征的处理可是个大关窍。因为电脑就认数字，咱们得把搜集来的信息给转成数字码。像那些分类明显的特征，咱们一般用独热编码或者嵌入编码；至于那些连续变化的特征，要么直接用，要么先给它分段变离散，然后再用独热编码来处理。

咱们得把原始数据给整得让模型能看懂，这叫特征处理。搞得好，推荐系统就能更精准地抓住用户的喜好和习惯，把推荐做得又准又快。这特征处理做得好不好，直接关系到推荐系统的表现，所以咱们在实际操作的时候可得小心谨慎。

搜索与推荐：复杂性与效率的平衡

搜罗和推选这两种找信息的法子虽然都挺常见，不过它们在难度和速度上还是有挺大差距的。一般来说，搜索那玩意儿比推荐要复杂多了，得用户自己动手敲关键词，还得经过数据洗白、查询预处理、分词等一系列操作。搜索这事儿，关键是要让大伙儿迅速找到自己想要的，所以得讲究查询速度快，停留时间尽量短。

咱们在找东西的时候，得先得把那个搜索词给好好整一下，得把没用的东西给筛出来，然后再给它来个预处理，看看常见的问题，弄明白它到底想问啥。接着还得把那个词给拆开，根据拆出来的词来改改写，再弄个召回逻辑啥的。

query处理：搜索的核心环节

查询处理是搜索引擎的重中之重，这环节包括对用户打进的搜索词进行一番整理，比如剔除无关紧要的内容，保证搜索词的精准度。而查询的前期处理，就是根据用户输入的词汇，找出那些常见的疑问，然后深入分析问题的核心，这样我们就能更明白用户到底想要了解什么。

咱们把搜索词给拆成一个个小词儿，然后根据这些小词儿来调整说法和找相关内容。不同行当的拆词方法和小词儿库可能各不相同，但最终目的都是为了让搜索更准更快。做好了这些小步骤，搜索系统就能更好地听懂用户的心思，给用户提供更好的服务体验。

总结与思考

推荐系统，它就是通过各种手段，比如召回、协同过滤，还有粗排和精排，再加上特征处理，这些步骤都是为了帮助咱们在信息多得眼花缭乱的时候，能迅速找到自己最想要的东西。至于搜索系统，它就是通过处理查询，让咱们能高效地查到想要的信息。不管是推荐还是搜索，关键就是要快准狠，满足咱们用户的需求。

你说现在信息多得要命，这推荐玩意儿跟搜索功能，哪个更能让你赶紧找到想找的东西？来评论区说说你的高见，顺便给这文章点个赞、转发一下，让大伙儿都来揭秘这推荐系统的秘密。

本文 股票杠杠平台 原创，转载保留链接！网址：http://www.shhyiran.com//zmt/412.html