第3章 精排之锋

精排模型的发展和一般的机器学习模型的发展是一致的。最基本的拟合方式是用线性模型，即逻辑回归（Logistic Regression，LR）模型拟合，接下来有用树模型、集成学习拟合的，最终发展到用当下的深度学习模型拟合。除了遵循这条主线，推荐系统中的模型还有自己的特点，比如能够通过因子分解引入泛化性的因子分解机（Factorization Machines，FM），再比如“头重脚轻”的Embedding+DNN范式。因为要处理永远新生的物料，我们无比依赖嵌入，而为了在依赖的过程中“智能”一点，我们引入了“分解”的思想。本章的内容绝不仅仅是模型清单，或者对发展史的梳理，而是一系列对解决方案背后思想的挖掘历程。在学习的过程中要时刻想着上面的两个特点，这是深入理解推荐系统的根本。