qq_43814415的博客

可以分成以下三种不同的任务，第一种是直接给 item 来进行打分；第二种是物品生成任务，直接生成用户感兴趣的下一个物品或者物品列表；第三种混合任务，用多任务的方法来建模。用语言模型来做特征编码，丰富语义信息。聚焦在两块，一是如何用语言模型来丰富用户特征的表征，二是如何用语言模型来丰富物品特征的表征。数据采集，特征工程，特征编码，打分排序，还有整个的流程控制。LLM集中于三个方面：用户画像、物品画像、样本扩充。用一个大语言模型来调用其他的模块。使用LLM生成用户和物品画像。

在搜索场景下，用一些nlp工具，能够把词表示成低维的向量，该向量可以表示词与词之间的相关性，在网络里面加入rnn，cnn等机制，把网络做的足够复杂，以提取更加有效的匹配的特征。即通过召回系统，即基于文本匹配的matching system，得到大量视频资源的候选集，经过粗排和精排，最后返回给用户。通过对用户的query进行切词，将右边的视频资源的文本描述信息构建构建倒排索引，此过程为精确匹配过程，词匹配则倒排索引拉回归并，然后返回用户。用户的点击行为，点击并不代表喜欢，点击后的行为也需要考虑进来。