swing：一种工业界广泛使用的召回算法

swing是阿里原创的i2i召回算法（论文具体参考[1]），在阿里内部的多个业务场景被验证是一种非常有效的召回方法。据笔者了解，swing在工业界已得到比较广泛的使用，抖音，小红书，B站等推荐系统均使用了swing i2i。

传统icf算法

在介绍swing之前，我们先简单回顾下传统的item-cf是如何计算物品之间的相似度。

最经典的item-cf算法基于cosine来计算相似度，下面是传统item-cf对于item i和j的相似度定义。Ui表示喜欢物品i的用户集合，Uj表示喜欢物品j的用户集合。分子是Ui和Uj的交集大小，也就是喜欢i又喜欢j的用户数量。分母是Ui和Uj模的平方根，可以避免热门item与多数item都有很高的相似度。（注：由于热门item通常质量表现较好，在工业界实际使用时分母可能不会使用，特别是基于增量方式实现的icf）

 传统item-cf背后的直觉是，如果大量用户同时喜欢两个物品，那么这两个物品之间应该有比较高的关联（相似度）。

swing算法原理

与传统item-cf类似，swing也是用来衡量物品之间的相似度，下面具体介绍swing算法。

swing的直觉来源是，如果大量用户同时喜欢两个物品，且这些用户之间的相关性低，那么这两个物品一定是强关联。

具体地，swing相似度的定义如下。对于这个公式，逐点介绍如下