推荐流-召回源梳理

最新推荐文章于 2023-06-25 16:29:11 发布
最新推荐文章于 2023-06-25 16:29:11 发布
阅读量595 收藏 4
点赞数 6
文章标签： 推荐算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38093452/article/details/128208869
版权

目录

app首页推荐流(app_feed_v7)召回源

pc首页推荐流(pc_feed_v2)召回源

wap首页推荐流(wap_feed)召回源

前言

推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，应用推荐算法比较好的地方主要是网络。所谓推荐算法就是利用用户的一些行为，通过一些数学算法，推测出用户可能喜欢的东西。

个性化推荐概念的首次出现是在1995年3月的美国人工智能协会上，由卡耐基梅隆大学的Robert Armstrong等提出了个性化导航系统Web Watcher。同时，斯坦福大学的Marko balabanovic等也推出了LIRA——一个个性化推荐系统。自此之后，个性化推荐的研究开始蓬勃发展。

推荐算法的研究起源于20世纪90年代，由美国明尼苏达大学GroupLens研究小组最先开始研究，他们想要制作一个名为Movielens的电影推荐系统，从而实现对用户进行电影的个性化推荐。首先研究小组让用户对自己看过的电影进行评分，然后小组对用户评价的结果进行分析，并预测出用户对并未看过的电影的兴趣度，从而向他们推荐从未看过并可能感兴趣的电影。此后，Amazon开始在网站上使用推荐系统，在实际中对用户的浏览购买行为进行分析，尝试对曾经浏览或购买商品的用户进行个性化推荐。根据 enture Beat的统计，这一举措将该网站的销售额提高了35%自此之后，个性化推荐的应用越来越广泛。

app首页推荐流(app_feed_v7)召回源

策略召回资源类型策略说明
his_todayblog历史上的今天
user_follow_bbsbbs

用户关注的社区云精选帖子召回

user_followblog、blink、live用户关注召回
yuanlijihua_tag_v1blog

原力计划博客召回

search_records_recommendblog用户搜索历史召回
top_blinkblink热门blink召回
personrec_tagblog

用户个性化标签召回

cfblog协同过滤召回
hot_rank_bottomingblog热榜top100插入
hotblog热数据
whitelist_liveroomlive正在开播的白名单账号的直播间
whitelist_blogblog

新用户冷启动白名单推荐池

pc首页推荐流(pc_feed_v2)召回源

策略召回资源类型策略说明
ask_hotask问答热数据
ask_personrec_tagask问答用户个性化标签召回
其他同app_feed_v7召回

wap首页推荐流(wap_feed)召回源

策略召回资源类型策略说明
hot_rank_bottomingblog热榜top100插入
search_records_recommendblog用户搜索历史召回
his_todayblog历史上的今天
hotblog热数据
yuanlijihua_tag_v1blog

原力计划博客召回

personrec_tagblog

用户个性化标签召回

whitelist_blogblog

新用户冷启动白名单推荐池

空空star
关注
  • 6
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
推荐系统的召回
08-28 1万+
所谓召回，在刚接触推荐系统的时候可能只看字面意思无法理解召回的意思，召回可以理解为向用户粗选一批待推荐的商品，相当于粗排序。之后会加一层CTR预估的rank模型，相当于精排序 推荐系统的主要模块即为：召回 => 排序（精排） => 过滤模块（对最终展示商品进行过滤，多样性排序等) 推荐系统是一个很大的话题，涉及到很多模块，这里主要是调研了一下推荐召回环节的主流做法。一般有如下几条线路...
新闻个性化推荐系统
weixin_46605806的博客
07-11 1万+
新闻个性化推荐系统一、绪论及背景1.1、绪论1.2、背景1.3、发展历史二、需求分析2.1、功能需求2.1.1、用户功能需求2.1.2、运营功能需求2.1.3、算法功能需求2.2、非功能需求2.2.1、性能需求2.2.2、准确性需求2.2.3、稳定性需求2.2.4、可靠性需求三、详细设计3.1、系统结构设计3.2、模块设计分析3.2.1，系统功能3.2.2，系统服务部署架构3.2.3、数据时序图3.3、重要数据结构设计3.3.1，新用户注册3.3.2，新的新闻文本发表3.2.3、给用户推荐新闻文本3.2.4
ssp增加广告位开关和召回源
gogoboi_jin的博客
01-02 587
背景：这个需求主要就是开关的展示和召回源展示功能。费时间切换功能用到场景基本不会用到，原因是因为搜索策略需要参数有一些不同的，依赖参数不同，比如说sloId=1006附近推荐和slotid=1007首页品类推荐召回源如果切换就会参数缺失报错，无法找回广告。 测试点我觉得还是分成2部分。第一部分ssp增改写入数据库。另一部分就是zzadsearch读取数据库(其实缓存，2种机制更新：第一种5分...
twitter开源算法(1)For You推荐系统架构
weixin_42529756的博客
04-01 815
推特开源推荐算法架构，twitter，the-algorithm
CSDN 个性化推荐的数据治理
u010280923的博客
06-25 2306
经过不断地迭代，推荐流数据在质量、正确性、实效性等方面得到了一定提升，但数据治理从来都不是一劳永逸的工作，随着时间的推移需要不断迭代与优化。此外，后续会进一步优化用户画像的效果，做到推荐用户真正感兴趣的高质量数据。
几种协同过滤算法的改进
04-24
协同过滤相似度计算的改进，结果就不一样。逐渐变好。评价指标有MAN 准确率和召回率。结果都不错.有啥疑问可以联系我。我将逐一回答
毕业设计-书籍推荐系统python源代码
03-01
7. 评估与优化：通过指标如精确率、召回率、覆盖率、多样性等对推荐效果进行评估，并根据结果调整模型参数或尝试其他算法。 这个毕业设计项目不仅能让你掌握Python编程技能，还能深入理解推荐系统的工作原理和实现...
人工智能-项目实践-推荐系统-基于双塔模型的推荐召回排序与部署.zip
12-26
人工智能-项目实践-推荐系统-基于双塔模型的推荐召回排序与部署 基于双塔模型的推荐召回排序与部署 双塔模型是推荐场景中常用的粗排模型之一
人工智能-项目实践-推荐系统-基于spark的推荐系统，包含离线召回模块、排序模块、服务模块、秒杀模块四个模块.zip
最新发布
12-26
人工智能-项目实践-推荐系统-基于spark的推荐系统，包含离线召回模块、排序模块、服务模块、秒杀模块四个模块 基于spark实现的推荐系统，包含离线召回模块（RecommenderModule）、排序模块（RetrieveRankModule）、...
人工智能-推荐系统-商品推荐-商品推荐系统
07-08
排序阶段则是在召回阶段的结果基础上，进一步通过精确的评分预测模型，确定最终推荐给用户的商品顺序，确保推荐的精准性。 在数据集方面，项目提供的信息包括约15万个用户的特征和约12万个商品的特征，这些特征可能...
Python深度学习实战-源代码和数据集.rar
10-25
4. 模型评估：在完成训练后，源代码将展示如何评估模型的性能，可能包括精度、召回率、F1分数、AUC-ROC曲线等指标。 5. 预测与应用：代码还将教授如何使用训练好的模型对新数据进行预测，以及如何将模型部署到生产...
今日头条核心技术“个性推荐算法”揭秘
u014114990的专栏
08-31 8839
今日头条核心技术“个性推荐算法”揭秘 最近面试华兴资本， 他们比较关注今日头条算法的实现， 今天特转载网上 今日头条算法解密 　　【IT168 评论】互联网给用户带来了大量的信息，满足了用户在信息时代对信息的需求，也使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，而通常解决这个问题最常规的办法是推荐系统，推荐系统能有效帮助用户快速
多路召回 -- 融合策略
人工智能曾小健
11-11 985
融合策略： 1、按顺序展示 比如说实时 > 购买数据召回 > 播放数据召回，则直接展示A、B、C、D、E 2、平均法 分母为召回策略个数，分子为权重加和 C为（0.7+0.5+0.3）/3，B为（0.8+0.6）/3 3、加权平均 比如三种策略自己指定权重为0.4、0.3、0.3，则B的权重为（0.40.8 + 0.60.3 + 0*0.2）/ （0.4+0.3+0.2） 这个方法有个问题就是，每个策略的权重是自己设置的，并不准确，所以，有动态加权法 4、动态加权法 计算XYZ三种召回策
推荐系统召回策略之多路召回与Embedding召回
Stephen
07-25 1万+
多路召回与Embedding召回 1. 多路召回 1.1 概述2. 融合排序与策略 图1. 推荐系统整体架构 1. 多路召回 1.1 概述 所谓的“多路召回策略”就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略。可以说多路召回是介于“计算速度”与“召回率”之间的权衡后的结果。 目前，工业界在实际推荐系统中几乎都是使用多路召回来得到候选集。这么做的好处是显而易见的，多路召回可以弥补不同召回之间的不足之处，召回的结果也会更好。另外，在多路
推荐系统学习笔记——八、推荐系统多路召回融合排序
Lynnzxl的博客
04-01 4725
八、推荐系统多路召回融合排序 多路召回与融合排序 多路召回 推荐服务一般有多个环节（召回、粗排序、精排序），一般会使用多个召回策略，互相弥补不足，效果更好。比如说： 实时召回- U2I2I， 几秒之内根据行为更新推荐列表。 用U2I得到你实时的行为对象列表，再根据I2I得到可能喜欢的其他的物品 这个是实时召回，剩下3个是提前算好的 基于内容 - U2Tag2I 先算好用户的偏好tag，然...
一些经典的召回算法模型
一个nlp探险者的博客
05-19 3144
Real-time Personalization using Embeddings for SearchRanking at Airbnb（kdd 2018） Embedding 向量最终能表达实体在某个空间里面的距离关系。在NLP领域中，表示的的是语义空间。在其他场景中，以电商举例，我们会直接对商品 ID 做 Embedding，其训练的语料来自于用户的行为日志，故这个空间是用户的兴趣点组成。行为日志的类型不同，表达的兴趣也不同，比如点击行为、购买行为，表达的用户兴趣不同。故商品 Embedding 向
58同城智能推荐系统的演进与实践(转)
weixin_30610755的博客
08-29 521
58同城作为中国最大的分类信息网站，向用户提供找房子、找工作、二手车和黄页等多种生活信息。在这样的场景下，推荐系统能够帮助用户发现对自己有价值的信息，提升用户体验，本文将介绍58同城智能推荐系统的技术演进和实践。 58同城智能推荐系统大约诞生于2014年（C++实现），该套系统先后经历了招聘、房产、二手车、黄页和二手物品等产品线的推荐业务迭代，但该系统耦合性高，难以适应推荐策略的快速迭代...
个性化推荐系统概述
热门推荐
waze_7的博客
06-28 1万+
一、 个性化推荐系统简介 个性化推荐系统是建立在海量数据挖掘基础上的一种智能平台，可以模拟商店销售人员向顾客提供商品信息和建议，为顾客购物提供完全个性化的决策支持和信息服务，它的目标是既满足用户意识到的需求,也能满足用户没有意识到的需求，或意识到，但没有表达出来的需求，让用户超越个体的视野，避免只见树木不见森林。好的推荐系统可以大大提高用户的忠诚度，并为电子商务带来了巨大的利益。 个性化推荐是
推荐系统原理简析
刘爱贵的专栏
12-31 6019
个性化推荐根据用户兴趣和行为特点，向用户推荐所需的信息或商品，帮助用户在过载信息中快速发现真正所需的商品，提高用户黏性，促进信息点击和商品销售。
置信度阈值-召回率曲线图
06-09
置信度阈值-召回率曲线图是一种常用于评估二元分类器性能的工具，它描述了分类器在不同置信度阈值下的召回率表现。在此曲线图中，x轴表示分类器的置信度阈值，y轴表示分类器的召回率，每个点表示在不同阈值下分类器...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

空空star

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值