互联网大厂面试官：推荐系统最经典的排序模型有哪些？你了解多少？( 四 ) _推荐系统

咱们的目标就是要随机打乱，保证多样性，同时还要插播广告啥的，赚钱呢！
五、在离线一致性：
推荐系统中，大多人只关注模型部分，
但实际上整个推荐系统是一个庞大的工程
（虽然相比较广告是小巫见大巫，等后面有机会写一写关于广告的那些事儿），
离线的模型训练只是推荐系统的一个环节，
对于有过工业界经验的人来说，最头疼的莫过于如何保证离线一致性了，
因此通常负责离线模型的同学和负责在线工程的同学不是同一个，
往往还是不同的语言，比如离线，在线C++，就会导致很多不一致的问题。
在离线不一致主要有两部分：
1.特征的在离线不一致；
2.模型的在离线不一致。
先来说说产生在离线不一致的根源，
以特征为例：在离线没有采用统一的框架，比如在线用一套C++抽取框架，
离线用一套java抽取框架，还是不同的人实现的，那么必然产生在离线不一致的情况。
因此，最好的解决办法，就是在离线采用相同的特征抽取框架。
模型也是，离线在线采用相同的代码框架，在百度内部，模型部分在离线采用相同的C++代码编译出来的bin文件，
只要参数不配置错误，就能从根源上避免在离线不一致的情况。
此外在离线特征一致性的监控也非常重要，能够检测出不一致的特征，及时修复。
【关于这部分问题，我在前面24篇文章已经透彻地讲过业界小红书是咋搞的】
下一篇文章开始，我会仔细一个个把精排模型梳理清楚都有哪些？他们有啥特点？
面试官很在乎你的基础功底的，所以你务必自己理解透了
总结
提示：如何系统地学习推荐系统，本系列文章可以帮到你
（1）找工作投简历的话，你要将招聘单位的岗位需求和你的研究方向和工作内容对应起来，这样才能契合公司招聘需求，否则它直接把简历给你挂了
（2）你到底是要进公司做推荐系统方向？还是纯cv方向？还是NLP方向？还是语音方向？还是深度学习机器学习技术中台？还是硬件？还是前端开发？后端开发？测试开发？产品？人力？行政？这些你不可能啥都会，你需要找准一个方向，自己有积累，才能去投递，否则面试官跟你聊什么呢？
（3）今日推荐系统学习经验：下一篇文章开始，我会仔细一个个把精排模型梳理清楚都有哪些？他们有啥特点？
面试官很在乎你的基础功底的，所以你务必自己理解透了

互联网大厂面试官：推荐系统最经典的 排序模型 有哪些？你了解多少？( 四 )

互联网大厂面试官：推荐系统最经典的排序模型有哪些？你了解多少？( 四 )