推荐引擎基本概念及内容如何搭建个性化推荐引擎系统？ _个性化推荐引擎

什么是RecEng：
推荐引擎（ Recommendation Engine ，简称RecEng ）是在阿里云计算环境下建立的一套推荐服务框架，用于实时预测用户对物品偏好，支持您定制推荐算法，支持 A/B Test 效果对比。阿里云推荐引擎，以数据驱动业务，通过人工智能实现1对1营销，为您的顾客提供量身定做的服务，帮助企业快速创新。同时能够为您的企业降低运营成本，提高顾客对企业的满意度和忠诚度，提升企业的业务目标。
课程详细内容：（点击下方“了解更多”立即学习）
本认证系统的讲解了推荐系统的概念、应用、算法原理，并详细介绍了阿里的推荐引擎产品RecEng ，最后通过一个微项目让学员亲自动手搭建一个推荐系统。
整个过程分为数据上传、数据预处理、推荐系统设置、测试上线四个部分，学员可参考本实验，结合企业自身业务和需求，将所学应用到实践中去。
通过本案例，学员可了解推荐系统的概念、应用、算法原理以及阿里的推荐引擎产品RecEng的使用方法。通过动手实践，学员可以独立使用推荐引擎产品RecEng快速搭建企业推荐系统。
推荐引擎基本概念：

客户/租户（org/tenant）

指RecEng的使用者，系统中由其阿里云账号代表。通常客户是一个组织， RecEng中常用org表示客户。

用户（user）

指客户的用户，即RecEng使用者的用户。推荐是一个2C的服务，使用推荐服务的客户必然有其自己的用户， RecEng使用者的用户简称为“用户” ，系统中常用user表示用户。

物品（item）

指被推荐给用户的内容，可以是商品，也可以是歌曲，视频等其他内容，系统中常用item表示物品。

业务（biz）

业务针对数据集定义，定义了算法所能使用的数据范围。一个客户在RecEng上可以有多个业务，不同的业务必然有不同的数据集。 RecEng要求每个业务提供四类数据（不要求全部提供）：用户数据，物品数据，用户行为数据，推荐效果数据。每一组这样的数据就构成一个业务。系统中常用biz表示业务。
比如某客户A有两类被推荐的物品，分别是视频和歌曲，于是客户A可以在RecEng上建立两个业务M和N ，其中M的物品数据为视频， N的物品数据为歌曲，其他的数据（指用户数据，用户行为数据等）可以都相同。在这种方案下，业务M和N的数据是独立的，即业务M虽然能看到用户对于歌曲的行为，但是业务M中不包含歌曲的物品数据，所以会丢弃用户对于歌曲的行为；如果业务M中某用户只对歌曲有行为，对视频没有行为，业务M也会丢弃这类用户。反之对业务N亦然。
一个业务最好只推荐一类物品。多类物品的推荐在后续的行业模板会有支持，需要引入板块(plate)的概念，一份业务数据可以生成多个板块的数据集，场景绑定某个板块进行推荐算法计算。

场景（scn）

场景指的是推荐的上下文，每个场景都会输出一个API ，场景由推荐时可用的参数决定。有两种场景最为常见，分别是首页推荐场景和详情页推荐场景。顾名思义，在执行首页推荐时，可用的参数只有用户信息；而在执行详情页推荐时，可用的参数除了用户信息，还包括当前详情页上所展示的物品信息。系统中常用scn表示场景。
一个业务可以包含多个场景，即对于某个业务A ，它包含多个首页场景也是完全可以的。
事实上，回到场景的原始定义，场景只是由推荐的上下文决定，客户完全可以根据自己的需求建立全新的场景，比如针对搜索关键词的推荐场景，这时可用的参数除了用户信息，还有用户所输入的关键词。