协同过滤基于用户或物品的相似性做推荐,思路直观,但对新用户和新物品不友好,存在冷启动问题。
向量检索把用户和物品映射到同一空间,用近邻搜索找候选。双塔模型是常见做法,用户塔和物品塔分开编码,线上检索效率高。
规则召回如热门、地域和兴趣标签,虽然简单,但在冷启动和兜底场景不可替代。多种召回互补才能保证覆盖面。
召回评估看召回率和新颖度,排序评估看点击率和转化率。两个阶段的目标不同,指标也要分开设计。
协同过滤基于用户或物品的相似性做推荐,思路直观,但对新用户和新物品不友好,存在冷启动问题。
向量检索把用户和物品映射到同一空间,用近邻搜索找候选。双塔模型是常见做法,用户塔和物品塔分开编码,线上检索效率高。
规则召回如热门、地域和兴趣标签,虽然简单,但在冷启动和兜底场景不可替代。多种召回互补才能保证覆盖面。
召回评估看召回率和新颖度,排序评估看点击率和转化率。两个阶段的目标不同,指标也要分开设计。