【面经&八股】搜广推方向：常见面试题（五）

【面经&八股】搜广推方向：常见面试题（五）

1. 推荐系统召回阶段如何实现热门 item 的打压？（推荐中的“哈利波特”效应）

在召回的排序中，由于热门 Item 的多数来源于用户点击过，item+主要都是热门item，会使模型一定程度上丧失个性化。解决方案主要是在召回阶段控制选择正负样本的概率（对热门的惩罚）：

1. 生成Item+时，根据热门程度对正样本进行打压。
2. 生成Item-时，热门程度更高的item更有可能被选定为负样本（hard negative）。

一个简单的方式是对表示热门程度特征值取对数（叉烧大佬提供），对越高频的样本打击力度越大，且打击后热门item流行度特征仍然是优于冷门item的。

• 另外是否需要对热门进行打压是根据业务来的，实际上在流量至上的年代，有些应用不打压热门，这样更容易制造话题提高热度，带来的负面影响就是用户个性化被忽视了。
• 另外，在排序过程中，合理的用户画像能够帮助模型打压不合用户喜好的热门item。

2. 关于推荐系统的召回模型

召回模型在策略上是多优于好的，召回模型多半较简单，故近年来推荐系统的模型研究里排序模型远远多于召回模型，早期的一些基于协同过滤的召回甚至都能取得很好的效果。所谓召回（matching），指的是从全量信息集合中触发尽可能多正确的结果，并将结果返回给排序作为输入。