3 平臺式的3.0

上節中描述2.0的時候提到了一個重要不足是“和推薦核心有一定的距離，并沒有完全為推薦量身定做”，我們希望能夠在推薦3.0中解決它，這個不足會帶來什么問題，以及為何在已經滿足業務需求的同時推薦的架構再次往前發展呢？那么接下來為各位展現微博推薦平臺式的3.0設計，我們還是先看看所處的環境。

3.1 環境

微博推薦3.0的時間段是2014年底至今，當前的內部環境因素是：

1) 推薦產品不在擴張，對效果更為看重，將工作重點從業務開發和迭代轉化為以效果為目標的技術迭代。

2) 新項目或者迭代推薦業務的時候發現重復的事情很多，而架構沒有解決，工作存在冗余。

而外部因素是：

1) 公司也從業務擴展轉變為效率為先，提升用戶體驗以及內容質量上來。

2) 微博推薦在推薦技術環節距離領域內有一定距離，當下有條件進行追趕。

3.2架構組成與特點

當前的環境也能體現出3.0的技術目標：

1) 技術目標

與2.0不同，全覆蓋推薦流程已經不是3.0的目標，其目標是：

抽象出推薦流程中對于候選／排序／訓練／反饋的通用方法來

推薦是一個算法數據問題，應該以一個算法的角度構建推薦系統，因此需要更為貼近算法策略

2) 架構組成

如圖7所示，是微博推薦3.0的架構，也是當前實行的架構體系，大家其實可以發現，這是基于2.0 發展起來的，既然還保留了大量2.0中使用的分層體系以及工具框架。在這里重點描述幾個差異：

兩個標準：一個是針對應用層，作為整體框架輸出，應用層設定all in one 接口標準，其標準包含了輸入以及輸出參數；另外一個是針對動態輸入rin，由于離線計算我們可以確定結構，因此一個輸入層工具r9-interface不需要設定規范，但是rin是需要進行標準設定，從屬性／交互數據／日志等等層面進行劃分。

計算層增加對于候選的標準生成方法：Artemis內容候選模塊，item-cands用戶候選模塊、……，在項目開發中只需要選擇這些候選生成方法即可。

增加了策略平臺EROS，解決算法模型的問題。EROS主要的幾個功能是：1）訓練模型 2）特征選取 3）上線對比測試。

數據層中的r9-interface以及rin增加對于候選的生成方法，在線以及離線使用推薦通用策略生成結果。

圖7 微博推薦3.0的架構示意圖

3) 特點

主要描述其優勢：

繼承了原有2.0的特點，保留了其優勢

對于推薦理解更為深入，結合更為緊密

解決了推薦候選／排序／訓練的算法最重要問題

3.3 成果

微博推薦3.0的誕生，其成果如下：

1) 微博推薦的核心業務會逐步遷移到該體系下，以算法數據作為驅動，提升效果

2) 誕生了EROS的訓練流程，提出了訓練的標準方法

3) 針對推薦設定了標準的輸入輸出方法

4) 針對候選，產生了具有抽象意義的推薦方法集合

4 總結

上文中對微博推薦架構演進做了較為詳實的介紹，在這個演進的過程團隊以及個人收益很大，技術與業務的關系在架構中得到了很好的體現。有幾點可以跟大家分享的是：

1) 技術來源于業務同時提升業務發展，業務發展又反過來推動技術的前進，他們是一個相互影響相互促進的關系。和業務共同發展的技術才是有生命力的。

2) 技術架構的選型建議是尋找當前最短路徑，然后進行不斷優化迭代，一口氣吃撐是不現實的，也是不合理的。

3) 推廣某個框架和工具最好的方式不是行政命令也不是請客吃飯，而是的大家都是參與者，如同開源項目，每個人都是它的主人，這樣人人維護，人人使用。

4) 團隊崇尚簡單可依靠，它說起來容易做起來難，不過有一個好方法就是懂得自己不應該做什么，而不是應該做什么。

5) 說到推薦這個特殊領域上來，設定目標，跟蹤目標很重要，把數據和目標擺出來，產品、架構以及算法都會想辦法去解決的。

最后，跟大家推薦一下微博推薦的官方博客：http://www.wbrecom.com/ 歡迎大家提出建議和建議。感謝大家對于微博推薦以及微博的關心和愛護，謝謝！