Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations
Introduction推荐系统常被视作召回+排序的两阶段系统。本文的重点就在于为一个有百万量级item的个性化推荐构建一个召回系统。给出一个{user,context,item}的三元组，召回模型通常的解决方法是：1）分别学习{user,context}和{item}的表示，2）利用一个简单的打分函数（例如点积）来为query生成候选item。context通常是有动态性质的变量，例如一天里的时