微信看一看的精选文章推荐(见下面图1)大家应该都用过，微信团队在今年发表了一篇文章来专门介绍精选推荐的算法实现细节(Real-time Attention based Look-alike Model，简称RALM算法)，这就是我们这篇文章要讲解的内容。基于这篇文章(见参考文献1)的描述，再结合自己的理解，我来带大家一起解读一下这篇基于look-alike模型的实时推荐算法的核心亮点。
在本篇文章中，我会从RALM算法背景介绍、RALM模型架构和工程实践、RALM算法原理介绍等三个部分来介绍RALM算法，希望我的解读可以帮助大家更好地理解这篇论文，进而学习到一些做实时个性化推荐的思路和方法。
图1：微信看一看精选推荐
一、RALM算法背景介绍
在本节我们先简单介绍一下look-alike模型，再说明传统的look-alike模型应用于推荐系统(特别是微信的文章推荐)中存在的问题，最后来介绍RALM模型的核心思想及该模型是怎么很好地解决传统look-alike模型存在的问题的。
1.look-alike模型相关介绍
look-alike模型是一种流行的受众拓展(audience extension)技术(见参考文献2)，大量应用于在线广告行业。对于一个待投放的广告(对于微信文章推荐，就是文章)，点击过该广告的用户就是种子用户，look-alike方法就是基于一定的算法原理，找出候选用户集合(目标用户)中与种子用户相似的用户，将广告投放给这些相似用户的过程(见下面图2)。