发布者：魏巍，开发者倡导者

推荐系统，也常被称为推荐器，是一种机器学习系统，可以根据用户的兴趣向用户提供高度相关的建议。从推荐电影或餐厅，到突出显示新闻文章或娱乐视频，它们帮助你从大量的候选内容中为用户提供引人入胜的内容，从而提高用户与你的产品或服务互动的可能性，扩大用户可能消费的内容，并增加用户在你的应用程序中花费的时间。为了帮助开发人员更好地利用我们在 TensorFlow 生态系统中的产品，今天我们非常激动地推出了一个新的专用页面，它汇集了创建推荐系统的所有工具和学习资源，并为你提供一个引导路径，让你可以选择合适的构建产品。

虽然按照Wide & Deep 学习论文 使用TensorFlow WideDeepModel API 构建一个简单的推荐器相对简单，但现代生产环境中的大型推荐器通常有严格的延迟要求，因此，它们更加复杂，需要比单个 API 或模型更多的东西。这些推荐器生成的推荐通常是许多单个 ML 模型和组件无缝协同工作的结果。多年来，谷歌开源了一套基于 TensorFlow 的工具和框架，如TensorFlow Recommenders，它为所有主要的 YouTube 和 Google Play 推荐界面提供支持，帮助开发人员创建强大的内部推荐系统，以更好地服务于他们的用户。这些工具基于谷歌在构建支持数十亿用户的 Google 应用程序的各种大型推荐器的尖端研究、丰富的工程经验和最佳实践。

你可以从优雅的TensorFlow Recommenders 库开始，使用TensorFlow Serving 部署，并使用TensorFlow Ranking 和Google ScaNN 进行增强。如果你遇到诸如大型嵌入表或用户隐私保护等特定挑战，你将能够从新的推荐系统页面 找到合适的解决方案来克服它们。如果你想尝试更高级的模型，如图神经网络或强化学习，我们也列出了其他库供你使用。

这个统一的页面现在是使用 TensorFlow 构建推荐系统的入口，随着更多工具和资源的出现，我们将不断更新它。我们很乐意听到你对此举措的反馈，请随时通过TensorFlow 论坛 与我们联系。