知识卡片
召回与排序两阶段
工业推荐系统通常拆成召回与排序两个阶段。召回阶段只依据用户的部分特征,从海量物品库中快速筛出一小部分用户可能感兴趣的候选,强调大而快;排序阶段则在此基础上引入更多特征、使用更复杂模型做精准个性化打分,强调小而准。这种分层流水线把覆盖广度与排序精度两个目标分开优化:召回用轻量方法保证不漏掉潜在兴趣,排序用重模型把有限候选排好序。后续协同过滤与各类深度模型主要作用在排序环节,也可用于召回,理解这种分工有助于判断某项技术该放在哪一层。
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
- · 第9章 推荐系统
原书出处 · 1 处
- 第9章 推荐系统 · 查看原书依据
首先是召回阶段,主要根据用户部分特征,从海量的物品库里快速找回一小部分用户潜在感兴趣的物品,然后交给排序阶段;排序阶段可以融入较多特征,使用复杂模型来精准地进行个性化推荐。召回强调大而快,排序强调小而准。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第9章 推荐系统(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12_0001.xhtml)
- 结论依据:原文明确描述了召回的数据规模与速度要求、排序的特征与精度要求,并用大而快、小而准概括两者差异,是本卡依据。
- 原始内容:首先是召回阶段,主要根据用户部分特征,从海量的物品库里快速找回一小部分用户潜在感兴趣的物品,然后交给排序阶段;排序阶段可以融入较多特征,使用复杂模型来精准地进行个性化推荐。召回强调大而快,排序强调小而准。