为什么有些用户可以发nba(2张图带你看懂今日头条推荐系统)

推荐系统是一个策略行为，本文将用两张图，来带你看懂今日头条的推荐系统。

推荐系统的“前身”

2016年，腾讯以80亿美元估值投资今日头条，结果大家都知道，张一鸣拒绝了腾讯的投资，现在大家也知道，字节跳动估值750亿美元，这一切，推荐系统功不可没。

因为搜索引擎和推荐系统太相似，相对来说也更简单（勿喷），所以我们先来了解一下搜索引擎。至于搜素引擎是不是推荐系统的前身，我很懒，没有考察。

如上图，搜索引擎分成为离线部分和在线部分，每一部分有不同的使命。

简单来说，搜索引擎的离线部分，专注于内容的搜集和处理。搜索引擎通过网络爬虫抓取网站上的原始内容，并将内容建立索引。这些内容会根据搜索系统的不同要求建立不同的索引体系，比如新闻类型的内容，会建立时效性的索引数据。

搜索引擎的在线部分，负责响应用户的搜索请求，完成内容的筛选和排序，并将最终结果返回给用户。我们举一个例子来说明这个流程：

对以上两图进行总结就是下图，就是想让你们看的第一张图：

今日头条的推荐系统

通过上“一”张图，我们明白了搜索引擎的原理（无论怎样我都会装作你看懂了），而今日头条的这张图，就是比上图上多了一笔，考虑到这两张图高度相似，我这么懒的人，当然是不会去画的了，你们发挥想象吧。

其实，推荐系统也有离线部分和在线部分。上图（那不是图，是PNG）即是推荐系统的离线部分，与搜索引擎大同小异。

接下来，就是推荐系统的在线部分了。天啊，看到上图，发现推荐系统真的和搜索引擎太像了，就多了一笔。

对以上两图进行总结就是下图，就是想让你们看的第二张PNG（图)：

推荐系统的本质

通过对搜索引擎和推荐系统的两张图，我们大致明白了推荐系统是怎么个一回事。实际上，推荐系统是一个策略行为。对于策略，他有四要素，分别是：

对于今日头条来说：

它待解决的问题是“从海量的内容中，找到用户喜欢的内容”；

他的输入是“用户画像和内容特征”；

计算逻辑：将这些内容特征按一定规则转化为喜欢度；

输出：将内容按喜欢度从高到低排序。

由于我推荐系统的课程还未结束，先不展开这部分内容了。后面博客会对上文进行展开，有兴趣的同学，欢迎关注。

说明：以上内容来源于个人阅读和付费课程的归纳整理。

本文由 @皮带 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议