推荐系统召回中台实践

召回是推荐系统的第一阶段,主要根据用户和商品部分特征,从海量的物料库里,快速找回一小部分用户潜在感兴趣的物品,然后交给排序环节。这部分需要处理的数据量非常大,速度要求快,所有使用的策略、模型和特征都不能太复杂。

![1.png](https://ucc.alicdn.com/pic/developer-ecology/e73b4d2fc32e45378c74c11daaeb1c1e.png)


召回中台在推荐系统中应该扮演什么样的角色呢?答案可能为
  • 推荐候选的生成(系统定位)
  • 复制机制的注入(生态建设)

    推荐系统召回中台实践

    推荐系统召回中台实践

    召回中台里模型化召回是很重要的组成部分。 模型化召回可以分为两部分,包括召回模型的学习与更新,以及线上的Ann检索服务。在召回模型的学习与更新阶段,主要是基于用户平台行为信息,针对特定的学习目标,完成基于表征学习的召回模型训练和更新,该模型能够产出有效的高层User表征向量和Item表征向量。从学习目标来看,常见的召回模型包括内容语义类、行为偏好类、关系匹配类等。

    推荐系统召回中台实践

    从传统个性化召回到模型化召回

    推荐系统召回中台实践

模型化召回的多目标处理

![图片6.png](https://ucc.alicdn.com/pic/developer-ecology/ed361bb130f74c07a0387e67e43082d2.png)


模型化召回的多样性

![图片7.png](https://ucc.alicdn.com/pic/developer-ecology/5548e78a3af54edfac7e798dc75108db.png)

多目标召回的处理流程

![图片8.png](https://ucc.alicdn.com/pic/developer-ecology/fb8bf2493d2644bbb49cf5946b056b1c.png)

![图片9.png](https://ucc.alicdn.com/pic/developer-ecology/76e54c217dab452bb3a4a0fc28a5bf90.png)


物料冷启动

![图片10.png](https://ucc.alicdn.com/pic/developer-ecology/d55b077260264a6e8c09f9a66ea99da6.png)

![图片11.png](https://ucc.alicdn.com/pic/developer-ecology/b155139eacec40ddaebd3956bfaba0e5.png)


![图片13.png](https://ucc.alicdn.com/pic/developer-ecology/31c79c8729c54c58a4652ebcb95271cf.png)


![图片14.png](https://ucc.alicdn.com/pic/developer-ecology/317ca4a578404e71b6d3ffa19ae9bc95.png)


大规模召回中台的“深度化”展望

 ![图片15.png](https://ucc.alicdn.com/pic/developer-ecology/8af5fe1314244f068c4dd15aa1b5907f.png)


![图片16.png](https://ucc.alicdn.com/pic/developer-ecology/9cdbf984c87241e4819864bbddabc79e.png)





上一篇:直播流媒体的现状与规划


下一篇:Knative 实战:基于 Knative Serverless 技术实现天气服务-上篇