知识卡片
把用户兴趣当作查询
基于内容的推荐淡化“用户”,转向物品属性:给文档算出类别(分类)、主题(聚类)或标签,再按用户属性与文档属性的对应关系推荐。其中搜索方法最彻底——把用户感兴趣的东西当作 Query,去物品库里检索最相似的物品,搜索引擎那套召回与排序模型可以直接搬过来,只是不同场景(视频、新闻、应用)的检索条件与排序策略要换。它与搜索的真正差别在两端:搜索提交的是用户明确写下的 Query,结果必须精确;推荐提交的是系统从行为里猜出来的兴趣,本身就不准,所以结果可以发散,只要不离谱就能接受。也正因如此,同一个系统换个输入,就从搜索变成了推荐。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 如何让机器猜得更准 · 查看原书依据
它和搜索引擎有什么区别?最大的区别就是搜索引擎提交的是Query,而在这儿提交的是用户兴趣,根据不同的场景(视频推荐、新闻推荐、APP推荐等)会有不同的搜索条件和排序策略
参考来源
- 位置:《文本上的算法——深入浅出自然语言处理》第7章 如何让机器猜得更准(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00014.html)
- 结论依据:原文这一段直接给出本卡的核心判断:「它和搜索引擎有什么区别?最大的区别就是搜索引擎提交的是Query,而在这儿提交的……」
- 原始内容:它和搜索引擎有什么区别?最大的区别就是搜索引擎提交的是Query,而在这儿提交的是用户兴趣,根据不同的场景(视频推荐、新闻推荐、APP推荐等)会有不同的搜索条件和排序策略