推荐系统（十四）重排算法

核心思想

当精排吐出的推荐结果中top资源与用户的历史行为很类似时，会出现多样性较差的问题，因而需要添加额外的算法在重排阶段环节这种现象。MMR通过消除Bias的方法对推荐结果进行重排，从而达到资源多样化的效果。

MMR模型结构

MMR算法的全名叫最大边缘相关算法，最一开始该算法是用在搜索领域解决搜索结果多样性问题。公式如下所示，其中$Q$代表query，$C$代表所有文档集合，$R$代表已经选择了的候选集合。

$$MMR(Q,C,R)=argma{x}_{d_i\in C}\left[\lambda sim(Q,d_i)-(1-\lambda )ma{x}_{d_j\in R}sim(d_i,d_j)\right]$$

可以看出，该公式体现的含义在于只去计算$Q$与$C$中所有文档的距离还不够，必须要保证$Q$与当前选择的集合$R$足够远才行，公式的体现为$Q$与$d_i$的距离减去$d_i$到$R$中距离$d_i$最远的$d_j$之间的距离才是$Q$与$d_i$之间真正的score。

在推荐系统中上面的$Q$代表的是user的信息表达，$C$代表的是精排露出的资源池，$R$代表的是重排已经选择的资源，通过该公式就能够选择出一批多样性较好的资源。