新浪微博王传鹏：微博推荐架构的演进(1)
2016-02-20 19:33:33   来源： 王传鹏 51CTO    评论：0 点击：

3 平台式的3.0

上节中描述2.0的时候提到了一个重要不足是“和推荐核心有一定的距离，并没有完全为推荐量身定做”，我们希望能够在推荐3.0中解决它，这个不足会带来什么问题，以及为何在已经满足业务需求的同时推荐的架构再次往前发展呢？那么接下来为各位展现微博推荐平台式的3.0设计，我们还是先看看所处的环境。

3.1 环境

微博推荐3.0的时间段是2014年底至今，当前的内部环境因素是：

1) 推荐产品不在扩张，对效果更为看重，将工作重点从业务开发和迭代转化为以效果为目标的技术迭代。

2) 新项目或者迭代推荐业务的时候发现重复的事情很多，而架构没有解决，工作存在冗余。

而外部因素是：

1) 公司也从业务扩展转变为效率为先，提升用户体验以及内容质量上来。

2) 微博推荐在推荐技术环节距离领域内有一定距离，当下有条件进行追赶。

3.2架构组成与特点

当前的环境也能体现出3.0的技术目标：

1) 技术目标

与2.0不同，全覆盖推荐流程已经不是3.0的目标，其目标是：

抽象出推荐流程中对于候选／排序／训练／反馈的通用方法来

推荐是一个算法数据问题，应该以一个算法的角度构建推荐系统，因此需要更为贴近算法策略

2) 架构组成

如图7所示，是微博推荐3.0的架构，也是当前实行的架构体系，大家其实可以发现，这是基于2.0 发展起来的，既然还保留了大量2.0中使用的分层体系以及工具框架。在这里重点描述几个差异：

两个标准：一个是针对应用层，作为整体框架输出，应用层设定all in one 接口标准，其标准包含了输入以及输出参数；另外一个是针对动态输入rin，由于离线计算我们可以确定结构，因此一个输入层工具r9-interface不需要设定规范，但是rin是需要进行标准设定，从属性／交互数据／日志等等层面进行划分。

计算层增加对于候选的标准生成方法：Artemis内容候选模块，item-cands用户候选模块、……，在项目开发中只需要选择这些候选生成方法即可。

增加了策略平台EROS，解决算法模型的问题。EROS主要的几个功能是：1）训练模型 2）特征选取 3）上线对比测试。

数据层中的r9-interface以及rin增加对于候选的生成方法，在线以及离线使用推荐通用策略生成结果。

图7 微博推荐3.0的架构示意图

3) 特点

主要描述其优势：

继承了原有2.0的特点，保留了其优势

对于推荐理解更为深入，结合更为紧密

解决了推荐候选／排序／训练的算法最重要问题

3.3 成果

微博推荐3.0的诞生，其成果如下：

1) 微博推荐的核心业务会逐步迁移到该体系下，以算法数据作为驱动，提升效果

2) 诞生了EROS的训练流程，提出了训练的标准方法

3) 针对推荐设定了标准的输入输出方法

4) 针对候选，产生了具有抽象意义的推荐方法集合

4 总结

上文中对微博推荐架构演进做了较为详实的介绍，在这个演进的过程团队以及个人收益很大，技术与业务的关系在架构中得到了很好的体现。有几点可以跟大家分享的是：

1) 技术来源于业务同时提升业务发展，业务发展又反过来推动技术的前进，他们是一个相互影响相互促进的关系。和业务共同发展的技术才是有生命力的。

2) 技术架构的选型建议是寻找当前最短路径，然后进行不断优化迭代，一口气吃撑是不现实的，也是不合理的。

3) 推广某个框架和工具最好的方式不是行政命令也不是请客吃饭，而是的大家都是参与者，如同开源项目，每个人都是它的主人，这样人人维护，人人使用。

4) 团队崇尚简单可依靠，它说起来容易做起来难，不过有一个好方法就是懂得自己不应该做什么，而不是应该做什么。

5) 说到推荐这个特殊领域上来，设定目标，跟踪目标很重要，把数据和目标摆出来，产品、架构以及算法都会想办法去解决的。

最后，跟大家推荐一下微博推荐的官方博客：http://www.wbrecom.com/ 欢迎大家提出建议和建议。感谢大家对于微博推荐以及微博的关心和爱护，谢谢！