← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9907.e · 生成模型:Hunyuan

多路召回策略

理解等级:中级

多路召回是用不同策略、特征或简单模型分别召回一部分候选集,再混合后交给排序模型。每一路保证快速召回,不同角度的策略共同把召回率推向理想状态,是计算速度与召回率权衡后的工程方案。常见路数包括热门、兴趣标签、协同过滤、最近流行、朋友喜欢等,具体选择强依赖业务场景。每路拉回的K个候选是超参数,需用离线评估加线上A/B测试确定合理范围。局限在于策略选择与K值调整都需人工参与,且各路信息割裂,无法综合评估一个物品受多策略的共同影响。这正催生了把多种信息融合进统一Embedding的召回方法。

这张卡片看不懂?

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5章 多角度审视推荐系统 · 查看原书依据

      所谓“多路召回策略”,就是指采用不同的策略、特征或简单模型,分别召回一部分候选集,然后把候选集混合在一起供后续排序模型使用的策略。 可以明显地看出,“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。

    参考来源

    - 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_002.html) - 结论依据:原文给出多路召回的定义、常见路与K值确定方式,并指出其人工参与与信息割裂的局限。 - 原始内容:所谓“多路召回策略”,就是指采用不同的策略、特征或简单模型,分别召回一部分候选集,然后把候选集混合在一起供后续排序模型使用的策略。 可以明显地看出,“多路召回策略”是在“计算速度”和“召回率”之间进行权衡的结果。