召回02 Swing 召回通道

向日葵般的数学人～ 向日葵般的数学人～ 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 333平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
原创 最新推荐文章于 2026-06-26 17:46:59 发布 333 阅读 AI 写同款· GEO 优化 ›
（二）召回——王树森8h工业界推荐系统笔记 矩阵补充的本质是对用户 ID 和物品 ID 做 embedding，并用两个 embedding 向量的內积预估用户对物品的兴趣。两个塔各输出一个向量，作为用户、物品的表征。被召回的物品只有很小一部分，因此未被召回的物品约等于全体物品，从全体物品中做抽样，作为负样本。2. 对于last-n列表中每个物品，通过“物品>物品”的索引，找到 top-k相似物品。3. 对于取回的相似物品(最多有nk个)，用公式预估用户对物品的兴趣分数。相似的用户可能会喜欢同样的笔记，因此把A用户喜欢的笔记推荐给没看过的B用户。 阅读详情

为了避免小圈子重合却误判物品相似度很高：降低小圈子对相似度的影响。

收录于
推荐系统

当前文章被收录于：

推荐系统
25 篇文章 0 人学习

王树森老师

订阅专栏 查看详情
标签
#算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
推荐系统王树森（一）基础Basics&召回Retrieval（上） 本文介绍了推荐系统的基本概念和实现方法，主要包括：1. 推荐算法评估指标，如曝光、点击率等，以及新算法实验流程（离线测试-AB测试-全量上线）；2. 推荐系统链路设计，包括召回通道（协同过滤、双塔模型等）、粗排精排神经网络打分、重排规则等；3. AB测试方法和分层实验设计，包括Holdout机制和反转实验；4. 多种召回算法实现，如基于物品/用户的协同过滤、Swing模型、矩阵补充和最近邻查找等。文章详细说明了每种算法的原理、优缺点和具体实现方式。 阅读详情

相关推荐

推荐召回-Swing

swing召回算法：如果同时喜欢两个物品的用户越多，且这些用户之间的重合度越低，那么这两个物品间的相似度越高。

进一步有进一步的欢喜~ 2829

swing召回算法

现实世界中的网络大部分都可以抽象为两种，一种是user-user这种同质的网络，另一种是user-object。推荐在这两种网络中都可以归为link prediction的范畴，给定一个图G(V, E)，V是节点的集合，E是边的集合，推荐其实就是预测图中尚未存在的边。关于Link Prediction和推荐系统学术界已经有很多研究工作，比如经典的协同过滤-Collaborative Filtering，Adamic/Adar等等。

皮皮blog 2013

联想Y9000P安装Ubuntu20.04记录

联想Y9000P 2022安装Ubuntu20.04问题记录

Legendyyy的博客 7116

推荐系统-召回

整理了推荐系统的召回通道，包括Item CF、UserCF、矩阵补充、双塔模型 、Deep Retrieval模型和其他召回通道，最后输出召回结果前还需要进行曝光过滤。

m0_66413986的博客 920

避开这些坑！海天MA1600注塑机数据采集项目经验分享

本文分享了海天MA1600注塑机数据采集项目的实战经验。针对KEBA控制器接口不开放的难题，项目采用专用网关进行协议转换，并详细剖析了网络部署、ModbusTCP配置、数据准确性保障及现场运维中遇到的典型陷阱与解决方案，为同类工业物联网项目提供宝贵参考。

o4p5q6r7s的博客 491

电阻应变式力传感器

电阻应变式力传感器

lu_fresh_student的博客 5075

推荐系统：召回

在推荐系统中，如果用户看过某个物品，就不再把物品推荐给这个用户。小红书、抖音都这样做曝光过滤，原因是实验表明重复曝光同一个物品会损害用户体验。但也不是所有推荐系统都有曝光过滤，像 YouTube 这样的长视频就没有曝光过滤，看过的可以再次推荐。曝光过滤通常是在召回阶段做。想要做曝光过滤，需要对于每个用户，记录已经曝光给他的物品。一个用户历史上看过的物品可能会非常多，为了做到高效的曝光过滤，需要用Bloom Filter这种数据结构。

霜雪i的博客，视频编解码，传统+AI 533

Matlab2018a崩溃解决的办法No sandbox or build area path

Matlab 2018a （No sandbox or build area path）出现崩溃后需要使用terminal进行如下操作： cd /home/david/MySoft/MATLAB/R2018a/bin/glnxa64 （你的matlab路径） mkdir exclude mv libfreetype* exclude/ 执行后图片如下： 如果你用的Windows系统，请手动按照上面步骤剔除了dll。 Matlab 2018a （No sandbox or build are

David Xiao 1万+

【推荐算法-召回笔记】-swing

swing是阿里巴巴推出的一种召回算法，考虑了user-item-user这样一个局部关系，即都购买了i、j的用户u、v, 如果u、v共同购买的商品越少，那么i、j的相似性就越大：公式如下： 公式中，Ui代表购买了i的用户集合，Iu代表用户u购买的商品集合，α是超参 不足思考，没有考虑用户的一个权重，我们可以给活跃用户增加一个惩罚系数，公式如下： Wu代表了用户u的权重，与购买商品数成反比：1/sqrt(Iu) 算法实现： 参考连接：https://arxiv.org/pdf/2010.05525.p

凌陨心 1972

Oracle EBS和华为MetaERP在会计科目（COA）设计上的观察非常精准。这两种设计确实代表了两种截然不同的系统架构思想，我们可以从设计哲学、优劣对比和演进关系三个方面进行深入分析。

OracleEBS与华为MetaERP的COA设计对比分析 OracleEBS采用弹性域架构，通过固定段数字符串实现多维度核算，强调稳定性和全球统一标准，但修改成本高、扩展性受限。华为MetaERP采用解耦架构，将核算单元、自然科目和核算维度分离，支持动态扩展和灵活调整，更适合业务快速变化的企业。 OracleEBS优势在于强一致性和成熟稳定，劣势是灵活性差；华为MetaERP优势是极致灵活性，劣势是对管理要求高。两者代表了不同时代的企业软件设计理念：OracleEBS适合标准化需求，MetaERP则面向快

金牌架构师 429

【android bluetooth 案例分析 01】【HiCar 详解 3】【hicar时如何交换Wifi参数的】

如果直接使用 L2CAP（不经过 RFCOMM），会需要额外的协议来保证可靠性，而 RFCOMM 天然支持。BLE 广播的数据长度受限（31 字节 / 255 字节扩展），不适合传输复杂的 Wi-Fi 连接参数。使用 RFCOMM 传输参数，可以兼容不同厂商的车机和手机，而无需依赖特殊的蓝牙功能。手机解析这些参数，并使用 Wi-Fi Direct 连接到车机。，然后才能让 Wi-Fi Direct 进行真正的数据传输。，适合传输 Wi-Fi 连接参数等关键数据。，可以安全地交换 Wi-Fi 连接信息。

奔跑吧 android 的博客 1740

推荐系统｜召回_Swing召回通道

swing模型是ItemCF的一种改造。

Fangyechy的博客 952

YOLO + Qwen3-VL-Seg 深度诊断：双引擎协同完成AI质检

本文提出了一种创新的工业质检双引擎架构，结合YOLO实时检测与Qwen3-VL-Seg精细化诊断，有效解决了传统检测方法中检测与诊断割裂的问题。YOLO部署在边缘端实现高效定位（3.2MB模型，<10ms延迟），Qwen3-VL-Seg在云端完成语义级缺陷分析（仅17M参数的解码器实现像素级分割）。该方案通过6步闭环流程，从实时感知到工艺反哺，显著提升了工业质检的准确性和可解释性，为智能制造提供了从"发现"到"解决"的完整技术路径。

mingo_敏 221

召回阶段的相关模型

召回模型总结

qq_43283527的博客 1878

OpenCV-Python实战（1）——OpenCV简介与图像处理基础

OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。

盼小辉丶的博客 27万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

【学习笔记】推荐系统 (2.召回：ItemCF、Swing、UserCF)

「汝将肩负骄阳，直至灰白的黎明显著。」——《崩坏：星穹铁道》白厄

xhyu61的博客 758

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

推荐系统 # 二、推荐系统召回：协同过滤 ItemCF/UserCF、离散特征处理、双塔模型、自监督学习、多路召回、曝光过滤

线上环境：缺点：社群对算法的误导。

skysys的研究小屋 1071

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

第二章 召回（王树森学习笔记）

双塔模型有两个塔，用户塔和物品塔。用户塔物品塔输入用户特征物品特征特征变换EmbeddingEmbedding输出余弦相似度策略/训练方法训练方法需要正负样本过采样冷门物品，或降采样热门物品&混合几种负样本召回最近邻查找模型更新全量or增量优化梯度下降。

weixin_64420349的博客 2249

【推荐系统笔记】02-召回

ItemCF的不足之处：如果两个物品不太相似，但恰巧某个小圈子中的人都交互过这两个物品（例如一篇推文被分享到了一个微信群），按照ItemCF的计算方法会认为这两个物品相似度高。（物品ID，相似度）（用户ID，相似度）

普通程序员的日常学习笔记 1955

【推荐系统】王树森推荐系统公开课自学笔记2-召回

量化用户对物品的兴趣likeuseritemj​；量化物品之间的相似度simitemj​item；

qq_51676593的博客 1130

【王树森推荐系统公开课】笔记02（ItemCF）

ItemCF 的原理用户喜欢物品​，那么用户喜欢与物品​ 相似的物品​。物品相似度：如果喜欢​、​​ 的用户有很大的重叠，那么​ 与​​ 相似。公式：。ItemCF 召回通道维护两个索引：用户→物品列表：用户最近交互过的 n 个物品。物品→物品列表：相似度最高的 k 个物品。在线做召回：利用两个索引，每次取回 nk 个物品。预估用户对每个物品的兴趣分数：返回分数最高的100个物品，作为召回结果。Swing 与 ItemCF 唯一的区别在于物品相似度。ItemCF。

qq_52342142的博客 949

推荐系统-召回层

优化A和B的参数矩阵：采用SGD来优化MSE损失函数，每一次优化A和B的一列，训练完之后，再用训练好的矩阵计算最近邻的其他未曝光的物品的兴趣分数。线上召回：根据用户id和用户画像，当场计算一个用户的表征向量，根据最近邻查找获取余弦值最大的前k个和其他的召回通道排序后，返回前x个给用户。矩阵补充的内容：一个矩阵记录着每一个用户对每一个物品的兴趣分数，行代表用户，列代表物品，根据每一行的最大值来给用户推荐物品。b.根据物品和物品之间的相似度（余弦夹角），建立物品到物品的索引值，返回top-k。

weixin_64617964的博客 717

个性化召回

导读：召回几乎是所有推荐系统的基础模块，对应到电商的推荐中，它的作用是从海量的商品池中，筛选出一部分用户可能感兴趣的商品作为上层排序系统的候选集。因此，可以说召回效果的好坏直接决定了推荐效果的上界。 常见的有基于user profile的召回，基于协同过滤的召回，还有最近比较流程的基于embedding向量相似度的topN召回等等。方法大家都知道，但具体问题具体分析，对应到旅行场景中这些方法都面临着种种挑战。例如：旅行用户需求周期长，行为稀疏导致训练不足；行为兴趣点发散导致效果相关性较差；冷启动用户多导致

mudan97的博客 836

从零开始的推荐系统学习（一）——召回篇

从零开始的推荐系统学习笔记，适合了解过DL的人群

qq_62615708的博客 1645

工业界真实的推荐系统(小红书)-召回-ItemCF、Swing、UserCF

王树森老师的硬核课程，由于PPT很多，并且老师的很多经验是口述，没有写在PPT里，网上有一些网友的笔记，但不是很完整，学习起来也比较费事，所以我自己整理了120页的PPT（这里放的是截图），期望能比较完整地把老师的经验呈现出来，同时缩短学习时间。课程特点：系统、清晰、实用，原理和落地经验兼具。

qq_17065591的博客 2190

王树森《推荐系统》精讲：从召回链路到AB测试的工业级实践

本文深入解析王树森《推荐系统》中的工业级实践，从召回链路到AB测试全流程。详细介绍了推荐系统的基础概念、召回阶段的多策略并行、排序阶段的粗排与精排技术，以及重排阶段的多样性优化。特别强调了AB测试在算法迭代中的科学应用，包括基础分桶实验、分层设计和长期评估机制，为构建高效推荐系统提供实用指导。

weixin_30505225的博客 458
上一篇： 召回01 基于物品是协同过滤 ItemCF
下一篇： 召回03 基于用户的协同过滤 UserCF
点赞 2
评论 0
书签 书签 0
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值