想象一下，站在推薦引擎面前的你被抽離出一個數字的軀體。你找到一面鏡子，卻驚詫的發現自己的身體被無數數據所填充，許是：科技10%、籃球4%、熱火隊2.3%、歷史1%、自然0.3%。你仔細觀察，甚至發現了很多連你自己都沒有注意到的細節：雖然熱愛旅游，但你喜歡博物館遠多過自然景觀。當然，你也會發現自己的身體上仍然有一團團的迷霧，那是尚未被系統所發掘的興趣點。

專門為你適配的內容如一群螢火蟲般朝你涌來，你伸手點擊了一條內容將它點亮。就在點擊的那一瞬間、你身上的迷霧有一絲散去了，同時顯示出了新的興趣點：“極限運動：0.01%”，那些原本就存在的密密麻麻的數字也有一些發生了變化：有的權重上升、有的權重下降。每一次選擇與反饋，你都在進化著自己的數字軀體。

現在，你生出了雙翅、原地飛翔了起來，能夠從高處俯瞰整個推薦系統。你看到了一個又一個數字擬態的人，在不同的信息流中暢游。每個人身邊圍繞著許許多多的信息光點、又同其他人之間有著若隱若現的連接。一個個信息被閱讀的點亮、被忽略的變暗。每一個被點亮的光點就像被延續了生命一樣，得以被分裂成更多光點、順著人和人之間的連接，飛舞到更多的人身邊。此起彼伏的光點明滅，共同照亮了整座系統，讓它仿佛有生命一般慢慢擴張。

這個過程聽起來或許科幻，但用來描繪推薦系統，怕是再恰當不過了。
推薦是一個協作與進化的過程：

• 對于內容而言，每一個用戶既是消費者又是決策者，被認可的內容得以進一步擴散，不被認可的內容被糾偏、不至于影響更多的人。
• 對于用戶而言，每一次行為反饋都在不斷完善自己的用戶畫像；而系統的興趣探索行為，也在進一步給這幅畫像補充了更多維度。

大致了解推薦系統的架構，能夠幫助我們認知到：信息是如何匹配給用戶的，而用戶的選擇又是如何影響后續的信息分發的。

作為一個工程問題，推薦系統的架構與搜索系統的架構具有一定的相似度：都做的是信息與用戶意圖之間的匹配。

搜索系統是將海量內容與用戶表意明確的查詢相關聯，推薦系統則是將海量內容與用戶沒有明確表達的偏好相關聯。

如果我們將推薦問題極度簡化：用戶只有一個愛好“NBA”時，那么推薦引擎給用戶的結果就可以近似搜索引擎在“NBA”這個搜索詞下的結果。

那么，一個簡化的搜索架構是什么？

離線部分，專注在內容的搜集和處理上。

搜索引擎的爬蟲系統會從海量網站上抓取原始內容，針對搜索體系的不同要求建立索引體系。在上圖中，為了新內容能夠更好的被用戶看到，就專門建立了時效性索引數據用于存儲幾個小時之內的新內容。這是一個基于關鍵詞的倒排索引，每一個關鍵詞對應一長串提及該關鍵字的文章。比如，“教育”這個詞命中文章1、2、3；“NBA”命中了另外一批文章1、2、4。

在線部分，負責響應用戶的搜索，完成文章的篩選、排序并最終返回給用戶。

用戶輸入一個搜索詞“NBA”，這個詞匯會首先經過搜索詞的處理（會經過分詞、搜索詞變換等步驟），例如“NBA”和“美職籃”是同義詞，那么在兩個詞都可以應用在索引的查詢。

經歷完搜索詞處理后，進入召回環節。系統會通過多種召回方式，從索引數據里獲得候選集合。在圖中，就分別查詢了全量的索引數據和時效性索引數據，獲得了8篇文章的集合。

在召回的候選集之上，會進行排序的步驟，通過進一步計算獲得最終結果反饋給用戶，如圖中的文章10和文章1。

用戶的點擊反饋也會影響排序環節的模型。在上圖中，用戶在展示給他的兩篇文章中只點擊了文章10，這一特征會被模型記錄以統計文章10和文章1在搜索詞 “NBA”下的表現情況。

借由搜索系統為參考，可以更好的理解推薦系統。

離線部分，同樣需要通過各種方式來獲取待推薦的內容（用戶提交、協議同步、數據庫導入等）。并依據推薦引擎處理的不同維度對這些內容進行索引處理，如話題、類目、實體詞等。在上圖中展示了兩個維度：分類維度和實體詞維度。

在線部分，其理亦然：量化用戶的請求，完成文章的篩選和排序。
推薦與搜索最大的差異，在于用戶表意的不明確性，故而，需要盡可能的完善用戶的長期畫像（對哪些類目、實體詞、話題感興趣）和短期場景（時間、地點），以此獲得用戶的意圖，從而進行意圖和內容的匹配。

• 當用戶打開內容推薦軟件時，提交給系統的信息如：時間、地理位置、網絡環境、手機設備型號、登陸用戶ID等。
• 基于用戶ID，推薦系統會取出用戶的畫像數據（User Profile）。在分類維度，用戶對體育和科技的內容感興趣；在實體詞維度，對于NBA感興趣。
• 根據用戶的畫像信息，發起不同的召回過程（類目查詢和實體詞查詢），獲取各種類型的內容構成候選集合。
• 按照特定預估目標（如點擊導向、互動導向）對候選集統一排序，并反饋給用戶。

值得注意的是：對于推薦系統而言，用戶的行為不僅具有針對內容價值評估的群體投票意義（如：某篇關于NBA的文章，偏好NBA的用戶都不點擊，那么其在“NBA”這個實體詞下應該權重降低）同樣具有針對自身畫像的個體進化意義（如：用戶總是點擊有關于熱火隊的NBA文章，那么這個用戶的畫像中會補充“熱火”這個實體詞，影響后續他自己的推薦內容流。）