【推荐系统】向量召回算法 HNSW

在推荐和搜索场景下，召回recall是一个关键的步骤，这个步骤通常需要在海量的目标中，召回部分与用户特征相近的item，所以有一个快速，并且准去的算法是非常有必要的，HNSW(Hierarchical Navigable Small World)就是其中一种方法，当然HNSW也不止用于此。

对于召回的场景下，每个需要进行召回的item已经用户的特征都是多维的，在多个特征维度的空间中，找到与用户特征最相近的topK。所以召回的问题其实可以抽象化为在多维空间中，找到与某个点邻近的topK个点。

HNSW(Hierarchical Navigable Small World)翻译成中文为分级导航小世界，是基于图数据结构的搜索算法，将复杂问题转化成ANN，来解决此类问题。

ANN（Artificial Neural Network）人工神经网络。

NSW（Navigable Small World）

在HNSW之前提出的NSW是HNSW的基础，这个算法解决了邻近点搜索的基本问题。

比如我们现在将问题就从多维简化为二维，并且推荐item和用户都的当成一个点的话，那么我们的问题就可以简化为，二维平面中存在海量的点，我们收集到一个用户的特征，就相当于二维空间中给用户找到了他的坐标，那么我们现在要在这些海量的点中找出离用户坐标最近的topK，这就是问召回也就是NSW和HNSW要做的。

构建索引结构

首先࿰