第352章 大数据下的个性化推荐(2 / 2)
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能,避免出现内容无法显示或者段落错乱。
张一鸣点头:“明白,我回去就做一个内容源拓展方案。另外,我想申请一批服务器资源。随着用户量增长,推荐模型的训练和推理对算力的要求越来越高。”
林辰点点头,这确实是。随着用户规模增长,存储的数据和需要的计算能力都会越来越多。
不过这也是找他来的目的,今日头条的推荐引擎本质上是一套用户兴趣建模和内容匹配系统。
这套系统和搜索、广告推荐、云服务的用户画像,底层逻辑高度重合,这几个方面必须要协同整合才行。
“一鸣,我带你去找一个人。”
张一鸣愣了一下,但没多问,拿起公文包跟着林辰出了办公室。
两人坐电梯下到十七楼,云服务部门的办公区里灯火通明。
已经是傍晚六点多了,但工位上还坐着大半的人,屏幕上跳动着各种监控面板和调试日志。
张婷正站在一块大屏幕前,屏幕上显示着云服务架构的实时运行状态,各种曲线和数字密密麻麻。
听到脚步声,她回过头来,看到林辰身后跟着张一鸣,微微挑了挑眉。
“林总,张总。”
“张婷,找个安静的地方,我们聊聊。”林辰说。
张婷把他们带进旁边的小会议室,顺手拉上门。
林辰坐下后开门见山:“张婷,今日头条那边需要推荐模型训练和推理的算力支持。
但今天找你不只是要资源,我想让你和张一鸣坐下来,把云服务、用户画像、推荐算法这三件事的技术底座统一规划一下。”
张婷翻开笔记本,先问了一句:“林总,您说的统一规划,是指数据打通还是架构统一?”
“都是。云服务的数据管道、今日头条的推荐引擎、广告联盟的用户画像,这三套系统背后都需要同一套东西。
用户行为数据的采集、清洗、存储、计算、建模。
如果各做各的,等于三套团队在重复工作。
浪费资源是小事,更麻烦的是数据割裂。
用户的行为数据分散在不同的系统里,每个人只能看到一部分,画像就不完整。”
张婷沉思片刻,在笔记本上画了一个简图:“如果要做统一,核心是数据中台。把用户行为数据的采集、清洗、存储、标签化做成一整套标准化服务,上面再分三个应用层。
搜索用一套,推荐用一套,广告用一套。底层数据是共享的,上层应用各自独立。”
“对,就是这个意思。”林辰看向张一鸣。
“一鸣,你觉得呢?”
张一鸣推了推眼镜,显然在快速消化这个思路:“技术上没问题,但有一个顾虑。今日头条的推荐模型是我们自己迭代出来的,如果底层数据换成统一中台,模型训练的效率可能会受一些影响。”
张婷接话道:“不会。数据中台只是负责数据的采集、清洗、存储和标签化。
模型训练和推理还是你们自己的团队做,只是数据源从你们自己抓变成从中台取。
中台会把数据标准化,接口统一,你们拿到的数据质量比现在高。”
↑返回顶部↑