王树森小红书推荐系统学习笔记2-推荐系统的链路

第一步：召回，从物品的数据库中快速取回一些物品。例子：当用户刷新小红书时，系统会同时调用几十条调回通道，每条召回通道取回几十或几百篇笔记，一共几千篇笔记。

召回结束后需要从几千篇笔记中选出用户最感兴趣的

第二步：粗排，用规律比较小的机器学习模型给几千篇笔记逐一打分，按照分数做排序和截断，保留分数比较高的几百票笔记

第三步：精排，用大规模的神经网络给几百票笔记逐一打分，精排的分数反应用户对笔记的兴趣，精排之后可以做截断也可以不做，小红书的精排不做截断

第四步：重排,根据精排分数和多样性分数重新抽样，得到几十篇笔记，然后把相似内容打散，插入广告和运营内容

召回

粗排、精排

重排

两个依据：精排分数的大学和多样性。

并且需要用规则打散相似内容，我们不能把内容过于相似的笔记排在相邻的位置上

总结