推荐系统正步入快速迭代期( 二 ) 近年来

文章插图
二是构建形成立体式的多级技术服务体系，从而提升整体服务的稳定性和有效性，同时保证服务业务的灵活性。推荐系统的核心在与推荐算法以及面向应用场景的优化，不同推荐系统在底层技术、数据模型等方面具有共通性。因此，当前许多企业都在搭建从数据采集层、数据分析层已至到应用层的推荐服务体系，从而避免单一推荐系统带来的数据来源有限、服务功能单一等问题。同样，以明略科技为例，其已构建形成了完整的推荐系统技术服务体系，为其业务的拓展奠定了良好基础。
文章插图
明略的推荐系统，在数据采集方面，支持HTTP数据、SDK数据采集对接，可实现实时回传，为运营和模型提供实时数据。依托自主研发的Matrix算法平台，持续交付算法模型，供系统调用。推荐引擎，可实现万级别QPS、千级别并发、百亿级别数据量支持，全面的触点接入，采用可扩展、高可用的架构。在系统运营方面，支持多标签人群筛选策和灵活的推荐策略，以及AB测试，具有完备的物料管理体系，能做到可视化的运营监控、预警。
三是以知识图谱构建作为技术创新的重要方向，通过知识图谱明确各类数据的价值边界，为进一步拓展推荐系统的应用场景提供基础。一方面，知识图谱可以帮助挖掘目标应用场景的基础数据关联性，有助于提升推荐系统的业务方向。另一方面，知识图谱可以协助挖掘已有数据的潜在应用场景，有助于提高数据的应用价值。以明略科技为例，通过知识图谱的研发和应用创新，其已在资金网络构建、企业关系网络构建、信用卡营销等多个应用解决方案中实现了融合创新，极大提升了企业推荐系统的行业竞争力。邱文一表示，明略的推荐系统基于知识图谱技术做了很多创新，例如，在洞察形式上，可以根据分析结果为客户绘制图谱，提炼有价值的结论，也可以在营销话术的推荐、实体之前的关联关系分析上提供可解释性。
综合来看，尽管面临挑战，但推荐系统的应用前景还是受到业界的高度认可，推荐系统发展正步入一个全新的快速迭代期。谁能够更精准的把握住迭代中隐藏的技术创新、产品创新、模式创新的市场机遇，谁就更能在未来的市场竞争中占据优势，获得更大的发展空间。