蜗牛Snail

写这篇博客的背景是考虑到可能有很多公司并不会说真的上一套完全的自动化模型训练，自动化发布，所以往往可能最简单的推荐算法就是直接用 Python 进行实现，所以在这里对自己做这个工程化（基于内容的推荐算

1. 怎么简单衡量推荐算法的好坏？ 首先我感觉从业务逻辑这里没有一个标准答案，因为大家各自公司的业务场景不一样。 比如电商类的平台（如拼夕夕、淘宝），他们可能最初看中的是转化率，也就是能否让用户购买商

1. 什么是「基于物品的协同过滤」？ 「基于物品的协同过滤」的本质是：如果用户喜欢物品A，而物品 A 和 物品 B 相似，那么我们推测用户可能也喜欢物品 B。 乍一看是不是有点像「基于内容推荐」算法？

我有个朋友也喜欢这个推荐？ 为什么我们有时候会出现我有一个朋友也喜欢这个推荐的感觉？那是因为有一个常见的推荐算法「基于用户协同过滤」是基于下面图片的一个假设：当小明和小红都喜欢物品A、B的时候，如果小

1. 为什么app推荐的都是我喜欢的内容？ 因为有一些APP的推荐算法是内容推荐算法，而内容推荐算法的逻辑就是：比如你在豆瓣上说你看过《庆余年》，第二天豆瓣给你推荐了《琅琊榜》比如你在京东买了《Pyt

1. what 举例，我们使用Google的时候，Google会提示我们 可以看到这里Google自动提示分为两种 第一种：我之前有搜索过的历史记录 第二种：根据目前各种词的出现频率进行了展示（不排除

分享的一个算法是NDCG，NDCG一般用于评价搜索结果列表的好坏，NDCG的全称是Normalized Discounted cumulative gain，意思为归一化折损累积收益。

1. 什么是function score？ function score 就是 elasticsearch 提供的一种通过函数来对相关性评分进行二次计算的方法。这里的函数可以大致分为两种。 第一种：s

1. 为什么要了解 Elasticsearch 相关性分规则 ？ 我们做搜索的目的，就是期望用户可以通过搜索找到他想要的内容。找到想要的内容可以分为两步。 第一步：我们需要检索到相关的内容。 第二步：