淘系高级算法专家：MIND - 基于动态路由的用户多向量召回

本文内容来自于由阿里巴巴达摩院领航举办的3月20日向量检索专场Meetup讲师演讲内容

讲师介绍 睿德
阿里巴巴淘系技术部，高级算法专家。从事推荐技术召回，排序算法的开发。

内容概述：
手淘首页的推荐面临着两个极具挑战性的问题：一是业务数据量巨大，包括十亿级的用户和商品； 二是首页开屏即现，对算法的响应时间有严格要求。在实际实践中，我们将推荐系统拆分为召回与排序两个子系统。其中，召回系统从海量的候选商品中挑选出与用户兴趣相关的商品集合，排序系统对该商品集合中的每一个商品依据业务目标进行打分，打分较高的商品作为推荐结果展示给用户。推荐算法的效果同时受到两个子系统的影响，召回作为算法的前置环节，更是决定了整个系统的效果上限。本次分享中，我们将分享 MIND 召回算法及其系统架构设计。

问题背景

▐ 应用场景

在一个典型的推荐场景中，推荐算法的任务是将一个经过筛选排序的，贴近用户兴趣的商品列表推荐给用户。下面两张图片展示了手机淘宝两个比较典型的推荐场景，分别是首页的信息流场景和微详情页场景。正如场景名字猜你喜欢所表达的，推荐算法的目标是使得推荐结果尽可能贴合用户的兴趣，满足用户的需求。

在实际的场景中，淘宝的数据体量相对较大，面对的是亿级的用户与亿级的商品。在这样体量的工业场景中，我们通常将整个推荐系统拆分为多个环节，其中召回(Match) 与排序 (Rank)是其中两个比较典型的环节。MIND 算法是我们团队针对召回环节的一项工作。

▐