1.线上部署一般使用JAVA、C++、go或者TF-serving.
2.性能不够解决方案：加机器或者异步调用。每次用户请求的时候，假如计算500条推荐item，然后缓存下来。下次用户来的时候，不是重新计算，而是看这500条有没有消费完毕，如果没有消费完毕，则继续消费。如果消费完毕，在重新计算.
常用排序模型
LR： 合适高维稀疏特征。
WideDeep: 一般类别型特征和组合类特征放在Wide部分，因为如果放在deep部分，经过多层全连接后，特征的作用会减弱。业务特征和人工交叉特征一般也放在Wide部分，这些都属于强特征，我就是想记住它。
GBDT模型
决策树特别容易过拟合，所以一般不会使用单颗决策树进行训练模型，效果一般都不好。
C
版权声明：本文为m0_37870649原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。