1.前言:召回排序流程政策算法簡介
推薦可分為以下四個流程,分别是召回、粗排、精排以及重排:
- 召回是源頭,在某種意義上決定着整個推薦的天花闆;
- 粗排是初篩,一般不會上複雜模型;
- 精排是整個推薦環節的重中之重,在特征和模型上都會做的比較複雜;
- 重排,一般是做打散或滿足業務營運的特定強插需求,同樣不會使用複雜模型;
- 召回層:召回解決的是從海量候選item中召回千級别的item問題
- 統計類,熱度,LBS;
- 協同過濾類,UserCF、ItemCF;
- U2T2I,如基于user tag召回;
- I2I類,如Embedding(Word2Vec、FastText),GraphEmbedding(Node2Vec、DeepWalk、EGES);
- U2I類,如DSSM、YouTube DNN、Sentence Bert;
- 模型類:模型類的模式是将使用者和item分别映射到一個向量空間,