1.4　推薦系統(tǒng)的召回階段

如果粗略地劃分，在線模塊可以分為召回和排序兩個(gè)階段，召回后面的粗排、精排和重排都統(tǒng)一劃分在排序階段。召回階段主要根據(jù)用戶部分特征，從海量的物品庫(kù)里快速找出一小部分用戶潛在感興趣的物品，然后進(jìn)入排序階段；排序階段可以融入更多的特征，使用更復(fù)雜的模型來精準(zhǔn)地進(jìn)行個(gè)性化推薦。召回強(qiáng)調(diào)快，而排序強(qiáng)調(diào)準(zhǔn)。

業(yè)界普遍采用的方式是多路召回，即從多個(gè)維度出發(fā)，在海量庫(kù)里把相關(guān)度高的候選結(jié)果盡可能快速地檢索出來。采用多路召回是出于以下多方面的考慮。

● 多樣性。從不同維度出發(fā)找到相關(guān)的候選結(jié)果。比如有些召回基于全局熱度，有些召回則傾向于冷資源。

● 可解釋性與靈活性。每一路召回從單獨(dú)維度出發(fā)可以很好地解釋召回的邏輯，如果效果不理想，調(diào)整起來復(fù)雜度低且更加靈活。

● 魯棒性。即使某一路召回出現(xiàn)問題，其他召回也會(huì)正常返回?cái)?shù)據(jù)而不至于影響主流程。

傳統(tǒng)的個(gè)性化召回主要基于協(xié)同過濾和矩陣分解，最近發(fā)展起來的模型化召回主要包括圖表征召回、淺層模型化召回、深度匹配模型化召回以及語言模型化召回。