1. 个性化召回
召回:从item set中选取一部分作为候选集(不同用户喜欢不同的item、item量级大则会导致排序慢,后端响应时间久)
根据用户的属性行为、上下文等信息从item set中选取其感兴趣的item集合作为候选集;
2. 召回决定了最终推荐结果的天花板(召回 -> 排序 -> 策略调整);
3. 个性化召回解析
3.1 基于用户行为:根据用户是否点击系统推荐item(CF、矩阵分解)
3.2 基于User Profile:偏好统计,按类别召回(可扩展性较差,用户标签难迁移)
3.3 基于隐语义:深度学习(可解释性不强)