推荐系统学习笔记——八、推荐系统多路召回融合排序

八、推荐系统多路召回融合排序

多路召回与融合排序

多路召回

推荐服务一般有多个环节（召回、粗排序、精排序），一般会使用多个召回策略，互相弥补不足，效果更好。比如说：

• 实时召回- U2I2I，
  • 几秒之内根据行为更新推荐列表。
  • 用U2I得到你实时的行为对象列表，再根据I2I得到可能喜欢的其他的物品
  • 这个是实时召回，剩下3个是提前算好的
• 基于内容 - U2Tag2I
  • 先算好用户的偏好tag，然后对tag计算相似度，获取可能感兴趣的item
• 矩阵分解 - U2I
  • 先算好User和Item的tag矩阵，然后叉乘，给每个user推荐item
  • 提前存储好进行推荐
• 聚类推荐 - U2U2I
  • 根据用户信息对用户进行聚类，然后找到最相似的user，推荐最相似user喜欢的物品；或者找到聚类中大家喜欢的物品，进行推荐

写程序时，每个策略之间毫不相关，所以：
1、一般可以编写并发多线程同时执行
2、每一种策略输出结果，都有一个顺序，但最后要的结果只有一个列表，这就需要融合排序

融合排序

多种召回策略的内容，取TOPN合并成一个新的列表。这个新的列表，可以直接返回给前端，进行展示；也可以发给精排，进行排序。