通过 TensorFlow 生态系统构建卓越的推荐系统

发布人：技术推广工程师  魏巍

推荐系统是一种机器学习系统，可以根据用户兴趣为其提供强相关的建议。无论是电影或餐厅，还是精选新闻报道或娱乐视频，此类系统都能帮助您从海量候选内容中为用户选出有吸引力的部分，进而提高用户使用您产品或服务的可能性，扩展用户可能使用的内容范围，同时增加用户使用应用的时间。

为了帮助开发者更好地利用 TensorFlow 生态系统中的产品来创建推荐系统，我们很高兴推出一个全新的专用页面，将用于创建推荐系统的所有工具和学习资源汇总在一起，并指导您选择合适的产品。

• 专用页面
  

  http://tensorflow.google.cn/resources/recommendation-systems

虽然遵循 Wide & Deep 学习论文和使用 TensorFlow WideDeepModel API 构建简易的推荐系统相对简单，但生产环境中的现代化大型推荐系统通常都有严格的延迟性要求，故而更为复杂，且需要的不仅仅是一个单一 API 或模型。此类推荐系统生成的建议通常由多个独立的机器学习模型和组件，以复杂的方式无缝协作所产生。

• Wide & Deep 学习论文
  

  https://ai.googleblog.com/2016/06/wide-deep-learning-better-together-with.html

• TensorFlow WideDeepModel API
  

  https://tensorflow.google.cn/api_docs/python/tf/keras/experimental/WideDeepModel

多年来，Google 已经开放了一整套基于 TensorFlow 的工具和框架，这些工具基于 Google 的前沿研究、丰富的工程经验和构建大型推荐系统的最佳实践，为拥有超过十亿用户的 Google 应用提供支持。

TensorFlow Recommenders 即为其中一例。其可以为 YouTube 和 Google Play 所有主要的推荐界面提供支持，能帮助开发者创建强大的推荐系统，进而更好地为其用户提供服务。

• TensorFlow Recommenders
  

  https://tensorflow.google.cn/recommenders

您可以从简洁的 TensorFlow Recommenders 库入手，使用 TensorFlow Serving 进行推荐系统的部署，并通过 TensorFlow Ranking 和 Google ScaNN 加以强化。

• TensorFlow Serving
  

  https://tensorflow.google.cn/tfx/guide/serving

• TensorFlow Ranking
  

  https://tensorflow.google.cn/ranking

• Google ScaNN
  

  https://github.com/google-research/google-research/tree/master/scann

如果遇到特定挑战，如大型嵌入或用户隐私保护，您能够通过这个全新的推荐系统资源汇总页面，找到妥善的解决方案来应对这些难题。此外，如果您想使用图神经网络或强化学习等更为高级的方法进行试验，我们也列出了其他库供您选择。

• 这个全新的推荐系统资源汇总页面
  

  http://tensorflow.google.cn/resources/recommendation-systems

这个汇总页面现可作为通过 TensorFlow 构建推荐系统的起点。我们将会不断更新此页面，添加可用的新工具和资源。我们希望能够获得您对这项计划的反馈，请通过 TensorFlow 论坛 随时联系我们。

• TensorFlow 论坛
  

  https://discuss.tensorflow.org/