推荐策略（5）——召回

一、什么是召回

我们来看一张图：

推荐算法模型

在推荐系统模型中，“召回（match）”指从全量信息集合中触发尽可能多的正确结果，并将结果返回给“排序”。

以搜索场景为例，我们搜索“浙江大学”，会弹出一系列内容，我们想要的系统中的相关内容有5条，系统一共检索出10条，3条是我们想要的。

召回率=系统检索到的相关内容条目/系统数据库中相关的条目=3/5

准确率=系统检索到的相关内容条目/系统所有检索到的总条目=3/10

推荐系统是类似的，只不过这个时候没有明确的检索词，是根据用户画像和内容画像的匹配为用户推荐相关的内容。

二、召回的方法

召回主要有四种方法：基于内容、协同过滤、时间排序、人工规则。

基于内容：根据用户画像和内容画像的匹配来召回，假设某用户的画像为 科技|0.2 动漫|0.7 吉他|0.5，系统就会推送有动漫、科技、吉他标签的内容给该用户。

协同过滤：分为基于用户、基于内容、基于模型的三种。

基于用户是计算用户之间的相似度，将用户A喜欢的推荐给用户B；基于内容是计算内容的相似度，内容a和内容b相似，那么用户A喜欢a，也将b推荐给他；基于模型是根据用户喜好建立推荐模型，实时预测用户喜欢的内容，并推荐给用户。

时间排序：在新用户的冷启动中，按照时间和热度做内容召回；从内容角度考虑，根据新闻的时效性，对热点新闻加大权重。

人工规则：在一些强关联的推荐业务中，比如OTA行业，如果用户定了机票，那么机场附近的酒店就有比较大的推荐权重。

三、今日头条的召回策略

今日头条用的召回策略主要是倒排，离线维护一个倒排，key可以是分类、主题、来源等，按照热度排序。线上召回可以快速根据用户兴趣做内容截断，筛选出较少一部分的高质量内容，进入storm在线模型进行排序。