openmlsys-zh/zh_chapters/chapter_recommender_system/summary.md at 00db02dbfd877a21c38d54683f7ad379b2b24cf2

mirror of https://github.com/openmlsys/openmlsys-zh.git synced 2026-04-27 12:03:13 +08:00

Files

anyin233 00db02dbfd fix: fix equation rendering by changing the toolchain to mathjax (#493 )

* docs: update README and build guide

* fix: escape * and _ inside math to prevent markdown emphasis corruption

* fix: configure MathJax to use TeX (Computer Modern) font

* feat: enhance markdown processing with label and figure collection

* fix: remove duplicate bibliography directives from chapter summaries

References are already handled at the chapter level, so the
:bibliography: directives in summary pages are redundant and cause
rendering issues.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

---------

Co-authored-by: Claude Opus 4.6 <noreply@anthropic.com>

2026-03-12 06:21:56 +00:00

1.1 KiB

Raw Blame History

小结

推荐系统作为深度学习在工业界最成功的落地成果之一，极大地提升了用户的在线使用体验，并且为各大公司创造了可观的利润，从而促使各大公司持续加大对推荐系统的投入。过去两年推荐模型的规模成指数增长，带来了许多系统层面的挑战亟待解决。在实际的生产环境中面临的问题与挑战是本章区区几千字难以概括的，因此工业级推荐系统的架构必然十分复杂，本章只能抛砖引玉地简单介绍一种典型的推荐系统组成的基本架构和运行过程，并介绍了推荐系统面临的持续更新模型的挑战和一种前沿的解决方案。面对实际生产环境，具体的系统设计方案需要根据不同推荐场景的需求而变化，不存在一种万能的解决方案。

扩展阅读

推荐模型：Wide & Deep
消息队列介绍：什么是消息队列
特征存储介绍：什么是机器学习中的特征存储

1.1 KiB Raw Blame History

小结

扩展阅读

1.1 KiB

Raw Blame History