Griddle商品推荐框架：级联架构解析

"本文主要介绍了腾讯神盾推荐系统中的Griddle推荐框架，这是一个针对商品推荐设计的级联架构，旨在适应商品推荐系统的特点和需求。文章由腾讯高级研究员黄俊进行分享，强调了商品推荐与广告推荐的区别，并提出了Griddle框架的概念。" Griddle推荐框架详解： Griddle框架是腾讯神盾推荐系统中用于商品推荐的一种创新性解决方案，它采用了级联的架构设计，可以灵活地根据需求组合不同的推荐模块。这个框架类似于乐高积木，允许构建者根据业务需求自由堆砌各个功能模块。 1. 架构组成： - 两级架构：Griddle框架由两级构成，每一级又分为多个层，每个层包含多个模块。 - 层的命名：包括“召回”、“规则”、“分桶”、“精排”和“组合”等，这些层根据其功能命名，但并非所有类型都是必需的，具体取决于具体业务需求。 2. 召回层： - 灵活的算法平台：召回层是推荐系统的基础，神盾平台实现了多种召回算法，以适应不同场景。 - 新探索：利用用户行为学习物品的语义特征，如通过app下载行为学习embedding，以实现物品相似度召回；同时，探索利用腾讯的社交关系链数据，考虑隐私保护和兴趣传播。 3. 商品推荐与广告推荐的差异： - 产品形态：商品推荐的形态更多样，考虑用户体验和时长等非交易因素。 - 目标导向：商品推荐不仅关注转化率，还注重用户停留时间和满意度。 - 资源投入：需要与业务增长周期协同，更注重成本效益。 4. 社交关系链数据的利用： - 数据隐私：在利用社交关系链数据时，必须谨慎处理隐私问题，确保数据安全。 - 兴趣传播：关系链数据可能揭示兴趣的传播模式，有助于提升推荐的精准度。 5. 框架优势： - 灵活性：Griddle框架的灵活性允许快速适应变化的业务需求和市场环境。 - 扩展性：可以根据业务规模和复杂性扩展或缩减各个模块，确保系统的高效运行。 总结来说，Griddle推荐框架是腾讯为了应对商品推荐的独特挑战而设计的，它强调了在保护用户隐私的前提下，利用多样化数据源和灵活算法来提高推荐的准确性和用户体验。这样的框架为商品推荐提供了强大的技术支持，使得推荐系统能够更好地服务于电商平台，提升用户满意度和业务价值。