关于推荐系统中召回模块建模采样方式的讨论

关于信息流推荐系统中召回模块建模采样方式的讨论

大家好，我是CNU小学生，国内top10-20互联网公司小兵一枚，在此抛砖引玉，真诚希望各位读者不吝赐教。

1.信息流推荐系统中的召回业务

     2019年知名互联网公司的信息流推荐系统项目可大致分为4个模块：用户画像，物品画像，召回，排序。

     召回模块的功能是在为排序模块提供候选集。比如我们一共有1000万个item，召回业务要在1000万个item中选出用户可能感兴趣的1万个项目，然后排序模块经过自己的模型为item打分，选定top n来展示给用户并确定展示的顺序。

     召回模块的特点有两点，第一快速，第二全面。如果现在有一个超准确超高效的排序模型可以瞬间对每个item精准打分，那么我们完全不需要召回模块，可惜算力不够，这个真没有。推荐流程在3000ms内没有给出推荐结果，对于绝绝绝大多数产品而言是不可接受的。这就决定了一个在线召回模型不会是一个比排序还复杂的模型。此外离线召回也要考虑耗时，因为信息流场景需要一定实时性。

      场景1.美女图片类新闻

      早上8点为用户展示美女图片类新闻效果比晚上8点差很多。因为早上8点用户在公交车上，晚上8点用户躺在沙发上。排序模型必须把“当前时间”这个维度考虑进去，进行特征工程，才能达到预期效果。

      类似于场景1现象还有很多，有些是我们能理解的，有些是我们不能理解的，这类问题需要通过复杂的模型（含特征工程）才能给出用户满意的结果，解决这类问题是排序模型的价值体现。召回则要剔除细节因素，全面广泛且高效快速地选拔出用户可能喜欢的东西，把相对耗时的细节处理任务交给排序。