520，用算法传递思念，用索引表达爱恋。

在这个特别的日子里，Zilliz 数据工程师李云梅受邀出席了百度飞桨主办的 WAVE SUMMIT 2021 深度学习开发者峰会，并分享了基于 Milvus 和 Paddlepaddle 深度学习平台，只要 3 行代码就可以实现的工业级推荐系统一站式解决方案。

❤  Start Service ❤

为了方便广大搜索推荐领域的 AI 从业者，Milvus 与 PaddleRec 进行了深度整合，使得用户在使用 PaddlePaddle 完成模型训练后，在预测阶段轻松使用 Milvus 实现向量召回的服务。

   推荐系统虽然已经成为了当前互联网企业的必备应用，但是由于推荐系统涉及的背景技术多、工程要求高，AI 从业者仍然面临着以下痛点：

• 易用性差：推荐领域的经典模型、前沿模型多，实现来源五花八门。不同训练方式、不同模型的接口复杂且不统一，难以快速上手及对比效果、性能。

• 部署困难：单一来源一般无法覆盖内容理解、召回、排序、融合等推荐系统的各个环节，即使支持各个环节的模型，也不支持模型部署。

其中，召回环节处在整条推荐链路的最底层，决定了推荐效果的瓶颈及上限。Milvus 作为服务于 AI 时代的向量数据基础软件，可以高效的完成召回环节中对特征向量的分布式、实时索引和检索，以及对标量字段的存储和索引等，有效解决了向量召回在工程上最后一公里的问题。

   此外，我们还在百度的 AI Studio 上发布了一个教程，手把手带你体验工业级推荐系统召回速度，感兴趣的小伙伴可以点击阅读原文体验，也欢迎大家扫码加入 Milvus 交流群，与业界开发者深度交流！

Github @Milvus-io|CSDN @Zilliz Planet|Bilibili @Zilliz-Planet

Zilliz 以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。 

Zilliz 构建了 Milvus 向量相似度搜索引擎，以加快下一代数据平台的发展。Milvus 目前是 LF AI & Data 基金会的孵化阶段项目，能够管理大量非结构化数据集。我们的技术在新药发现、计算机视觉、推荐引擎、聊天机器人等方面具有广泛的应用。