最近Google开源了基于Tensorflow的推荐器, 一个新的开源Tensorflow包。它的特点可以总结为下面四个：
（1）它有助于开发和评估灵活的候选nomination模型；
（2）它可以很容易地将商品、用户和上下文信息合并到推荐模型中；
（3）它可以训练多任务模型，帮助优化多个推荐目标；
（4）它使用TensorFlow Serving为最终模型提供服务。
这些特性非常容易使用，因为TFRS包含了不同的模块，可以帮助用户轻松地定制各个层和指标。TFRS还形成了一个内聚的整体，使得各个组件能够非常好地协调。重点在于能使默认设置合理化，使常见任务更加直观且易于实现，并提供更复杂和自定义的推荐，使其更灵活。
TensorFlow Recommenders是使用TensorFlow构建推荐系统模型的库。它有助于构建推荐系统的完整工作流程，包括：数据准备、模型制定、模型训练、模型评估和部署等。
该模型是建立在Keras之上的，更加便于构建复杂模型。
