知识卡片
为人找信息还是为信息找人
搜索、推荐、广告常被放在同一套技术栈里,因为底层实现高度重合:都要建索引、算相似度、做排序,基于内容的推荐本质上就是一个小型搜索系统——把用户画像当 query、物品属性当文档。差别在目标函数。
搜索是「为人找信息」:用户带着明确 query 来,系统要在低延迟下最大化相关性,评价看是否命中意图。推荐面对的用户没有明确目的,系统希望用户消费内容,所以优化点击、停留、转化等消费指标,相关性只是约束之一。广告是「为信息找人」:付费方是广告主,系统要在用户体验与商业收益之间平衡,形式上像推荐,技术上兼有搜索(query 匹配)与推荐(兴趣预估)的特点。
目标差异会传导到架构:搜索强依赖 query 理解与倒排索引,推荐必须长期维护用户画像与行为序列,广告还要多一层出价与计费。把三者统一在同一套召回—排序框架里是可行的,但不能把搜索的相关性指标直接搬来评价推荐。
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 推荐系统框架及原理 · 查看原书依据
对比搜索系统和推荐系统可知,搜索系统最重要的目标是降低延迟和提高相关性分析。推荐系统的目标不是帮助用户找到相关内容,而是希望用户消费内容。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第7章 推荐系统框架及原理(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0093.html)
- 结论依据:原文用目标对比区分两者:搜索考核延迟与相关性,推荐考核内容消费,这直接支撑「目标不同导致指标与架构不同」的结论。
- 原始内容:对比搜索系统和推荐系统可知,搜索系统最重要的目标是降低延迟和提高相关性分析。推荐系统的目标不是帮助用户找到相关内容,而是希望用户消费内容。