知识卡片
召回排序再排序三层结构
模型部分是推荐系统的主体,结构一般由召回层、排序层、补充策略与算法层(再排序层)组成。召回层用高效的召回规则、算法或简单模型,从海量候选集中快速召回用户可能感兴趣的物品,解决的是“快”和“全”;排序层用排序模型对初筛候选集精排序,决定最终效果;再排序层在列表返回前,为兼顾多样性、流行度、新鲜度等指标结合补充策略做调整,形成用户可见的推荐。从接收全部候选物品集到产出推荐列表的过程称为模型服务。三者层层收敛:召回牺牲精度换速度,排序集中算力提精度,再排序照顾业务与体验的多元目标;其中排序层是产生效果的重点和业界学界研究的重心。
结构图:
flowchart LR
A[海量候选集] --> B[召回层 高效规则或简单模型]
B --> C[排序层 排序模型精排]
C --> D[再排序层 兼顾多样性流行度新鲜度]
D --> E[用户可见推荐列表]
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1章 互联网的增长引擎——推荐系统 · 查看原书依据
“召回层”一般利用高效的召回规则、算法或简单的模型,快速从海量的候选集中召回用户可能感兴趣的物品。 “排序层”利用排序模型对初筛的候选集进行精排序。
参考来源
- 位置:《深度学习推荐系统》第1章 互联网的增长引擎——推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0005_split_002.html)
- 结论依据:原文依次定义召回层、排序层、补充策略与算法层的职责,说明从候选集到推荐列表的模型服务过程,并指出排序层的核心地位。
- 原始内容:“召回层”一般利用高效的召回规则、算法或简单的模型,快速从海量的候选集中召回用户可能感兴趣的物品。 “排序层”利用排序模型对初筛的候选集进行精排序。