← 返回卡片

原书出处

深度学习推荐系统

05 第5章 多角度审视推荐系统

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.623Z

在利用Embedding召回的过程中,考虑到了多路召回的多种策略。 Embedding召回的另一个优势在于评分的连续性。

多路召回中不同召回策略产生的相似度、热度等分值不具备可比性,无法据此决定每个召回策略放回候选集的大小。Embedding召回可以把Embedding间的相似度作为唯一的判断标准,因此可以随意限定召回的候选集大小。

生成Embedding的方法也绝不是唯一的,除了第4章介绍的Item2vec、Graph Embedding等方法,矩

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0009_split_002.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382