推荐系统中的召回算法大致梳理（非完整）

推荐系统中的召回算法大致梳理（非完整）

定义

推荐策略中的两个关键问题分别是“召回”和“排序”。
“召回match”是指从全量信息中触发尽可能多的正确结果，并将正确结果返回给“排序”

来源

全量商品与用户进行匹配排序，计算力无法支持，需要召回获得较小的商品候选集，在进行复杂模型的排序。

指标

召回率（recall）、准确率（precision）

召回类型

1.基于内容匹配的召回（content-based）
2.基于协同过滤的召回 （collaborative filtering）
	协同过滤分为：
	a. 基于共现关系 neighborhood ( user-based ,item-based)
	b.基于模型 model-based
	模型协同过滤细分为：
		i.传统svd,FM
		ii, 深度网络 DNN (deepmatch)、embedding (w2v、graph embedding)

base 算法

item-based CF (i2i)

商品根据用户浏览表示成向量，例如 商品A 被 用户a和用户b浏览，没有被用户c浏览，可以表示为（1，1，0）
计算两个商品的余弦相似度 similarity(A,B)=cos(A,B)=AB / (||A||*||B||)

实际应用中，采用一个session 内的用户行为来计算 两个商品的pair对

最终产生的离线数据为左i, 和相似的右i，按照相似度来从高到低 ，线上使用时，右i要进行截断。

modified 算法
余弦相似度过于粗暴，容易出现哈利波特效应，改良版将会降低热门用户对商品的权重
1. wbcos i2i (weighted bin)
2. swing i2i
3. expectaion i2i

ranki2i
背景：上面都是基于统计产生的i2i,实际展示的时候不是要最相似原商品的，还有考虑该商品的ctr 和 cvr 等综合产出
过程：利用模型，离线训练和离线预测，右i的点击率，并进行重排。

1.分别预测ctr，cvr
类似于线上rank,这里采用左i的feature和右i的feature，模型可采用现有rank模型，（gbdt，lr，dnn皆可）
2.一步到位
利用pairwise或者listwise 作为损失函数
将gmv或者点击率转化为预测目标，label为多分类，指标为ndcg.

embedding 实践

word2vec,graph embedding