【推荐系统】召回与排序区别

之前对召回和排序训练数据的产生有很多疑惑，现在来归纳总结~

召回主要是负样本；排序主要是特征。

首先需要了解候选池有多大？候选池小根本不用做召回，可以直接排序。

如果用户根本没有点击过任何的item，那么这个用户需要去除吗？直接去除（只有负样本，没有正样本）

召回

• als矩阵分解类算法（一天一次，没有实时行为）
• fpg itemcf类 
• itemcf比矩阵分解效果好一些

• u2i算作一路召回（youtubeDNN），一般来说i2i（item2vec）的效果更好；DSSM就是u2i召回，感觉用的更多。

排序

• lightgbm 对分类特征好一点；
• xgb 连续特征好一点，cnt次数这种ui交互类特征。
• xgb+lr：流量大的场景用这种

排序算法很重要的特征：除了用户行为类，还有ui交互这种统计类特征。比如说，用户点了某个品类多少次？点了很多的鞋子，说明对鞋子很感兴趣。

统计类交互特征 如何理解？如上

参考:

工业界推荐系统中有哪些召回策略？ - 石塔西的回答 - 知乎

负样本为王：评Facebook的向量化召回算法 - 石塔西的文章 - 知乎