（2）工业界推荐系统-小红书推荐场景及内部实践【UserCF、离线特征处理】

系列文章传送门

（1）工业界推荐系统-小红书推荐场景及内部实践【业务指标、链路、ItemCF】
（2）工业界推荐系统-小红书推荐场景及内部实践【UserCF、离线特征处理】
（3）工业界推荐系统-小红书推荐场景及内部实践【矩阵补充、双塔模型】
（4）工业界推荐系统-小红书推荐场景及内部实践【正负样本选择】
（5）工业界推荐系统-小红书推荐场景及内部实践【线上召回和模型更新】
（6）工业界推荐系统-小红书推荐场景及内部实践【其他召回通道】

该系列文章根据小红书搜推算法工程师、团队负责人王树森B站上主讲的《工业界的推荐系统》之小红书业务场景及内部实践整理而得。感谢大佬分享工业界前沿的推荐系统实战技术！

召回

基于用户的协同过滤（UserCF）

原理

实现

ItemCF实际应用中，需要考虑热门物品的影响，降低热门物品的权重，

完整流程

1. 离线计算

• 建立“用户－>物品”的索引

  • 记录每个用户最近点击、交互过的物品ID。
  • 给定任意用户ID，可以找到他近期感兴趣的物品列表。

• 建立“用户－>用户”的索引

  • 对于每个用户，索引他最相似的 k 个用户。
  • 给定任意用户ID，可以快速找到他最相似的 k 个用户。

2. 线上召回

1. 给定用户ID，通过“用户－>用户”索引，找到 top-k 相似用户。
2. 对于每个 top-k 相似用户，通过“用户－>物品”索引，找到用户近期感兴趣的物品列表(last-n)。
3. 对于取回的 𝑛𝑘 个相似物品，用公式预估用户对每个物品 的兴趣分数。
4. 返回分数最高的100个物品，作为召回结果。

离散特征处理

离散特征

• 性别:男、女两种类别。
• 国籍:中国、美国、印度等200个国家。
• 英文单词:常见的英文单词有几万个。
• 物品ID:小红书有几亿篇笔记，每篇笔记有一个ID。
• 用户ID:小红书有几亿个用户，每个用户有一个ID。

离散特征处理

• One-hot编码：把序号映射成高维稀疏向量。
  

类别数量太大时，通常不用 one-hot 编码。

• Embedding：把序号映射成低维稠密向量。
  
  
  编程实现：TensorFlow、PyTorch 提供 embedding 层。