搜索推荐 - 召回总纲

一、召回总述

CMDM：基于异构序列融合的多兴趣深度召回模型在内容平台的探索和实践_淘系技术-CSDN博客

当前工业界的召回算法主要分为两类：

基于协同过滤的召回（比如swing i2i）：

优点：基于协同过滤的i2i召回从全局来看简单高效，依靠内容的共现性可以保证用户兴趣性、相关性，同时借助实时trigger便于捕捉用户的实时兴趣，在召回算法中发挥着非常重要的作用

优点2：这也是一般电商场景必有的召回，能保证基础效果

缺点：但是i2i召回本身也存在一些问题，比如对新用户和新商品不友好，难以解决冷启动问题

基于深度学习的向量召回（比如deepmatch和MIND）：

优点：能够有效利用用户行为序列信息及内容side info信息，特别是在异构行为序列的复杂场景，所以也能保证兴趣性

模型稍微复杂一些，还能多考虑一些目标：rpm最大化、其他多目标（下单、点击等）