推薦系統[三]：粗排算法常用模型彙總(集合選擇和精準預估)，技術發展曆史（向量內積，Wide&Deep等模型）以及前沿技術

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：

1. 召回是源頭，在某種意義上決定着整個推薦的天花闆；
2. 粗排是初篩，一般不會上複雜模型；
3. 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；
4. 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，