阅读提示：为防止内容获取不全，请勿使用浏览器阅读模式。
我们建议采用实时训练，实时训练省资源并且反馈快，这对信息流产品非常重要，用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。”
“我们目前计划采用基于stor集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型。”
“整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Stor集群消费Kafka数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为模型推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。”
“当然，这会产生非常庞大的信息数据，我们需要对目前的系统底层做一定的优化，完善运维工具。”
赵睿对着自己做的一份界面很是简陋的演示文件，对着袁旭和宋瑞一众人一顿输出。
袁旭的感觉，嗯，听不懂，但是看上去，好像挺像那么一回事的，逻辑能够自洽。
“那么，现在的主要问题有什么呢？”
虽然具体原理听不懂，没关系，作为一名合格的老板，善于提出问题并给予解决才是最重要的不是吗？
“模型需要找一个场景进行训练，运行一段时间我们才能发现是否有问题，是否能够完整的实现我们理论上的理想结果。”赵睿说道。
“我明白了，你们是需要找一个机会来对这个模型进行测试对吧？”
“是的，也不完全是测试，它也需要学习，所以，需要找一个用户数量比较大的场景进行试验。”
“用户数量比较大？”袁旭略一沉吟，“倒也不用多费心，眼前不就有一个么，爱家网么！”
作为目前华夏第一大购物网站，爱家网连同爱家商城目前光卖家就有600余万，年成交金额高达1.1万亿，合1775亿美金。
这不正是推荐模型的最好的试验场么？
再者说了，爱家也需要这种推荐模型么！
“就是在收集用户信息方面会有一定的风险。”
赵睿末了提醒了一句。
“模型开始测试前一天，想办法让所有的爱家用户强制下线，重新登录，登录界面增加修改后的用户协议，协议中注明将会自动收集顾客浏览商品信息，便于更好的对客户进行更有针对性的推荐。”
对于个人隐私，袁旭倒不是很在意，收集用户的信息并加以分析，这几乎是所有的网站都在搞的动作，也没见闹出来过什么事情。
为了以防万一，打个补丁也能说得过去。
然而，接下来发生的事情就让袁旭有些尴尬了。
这边刚决定打一个不起眼的小补丁，便于收集用户信息被告了之后作为自己已经告知的凭证。
那边，就有一位“老朋友”控诉天工科技“恃强凌弱”，随意下架其公司产品。
这位“老朋友”，就是36圈的老板，周红衣。
2013年9月10日，教师节。
周红衣在自己的说说上发了一篇小短文。
“又一次，蛮横的天工科技又一次将36圈的全部产品全部从其软件商店中下架，所有使用天工手机的朋友都无法下载和使用36圈公司的产品了。”
从周红衣的“又”字里，可以看出，这样的被下架，并不是第一次了。
2012年的12月，36圈公司的全部7款产品，全部被天工科技方面从软件商店中下架，原因是运营主管发现那几天36圈公司的那几部产品的投票数有异常增长，运营判定36圈公司在进行刷票，因此将其公司的全部产品进行下架处理。
到了2013年9月初，天工科技的技术人员发现
本章未完，请点击下一页继续阅读》》