【推荐系统笔记】01-推荐系统基础

• 笔记摘自王树森老师的推荐系统公开课：基于小红书的场景讲解工业界真实的推荐系统
  
• 评论区有位同学分享了该课程的详细笔记，可供参考：笔记-工业界的推荐系统
• 写博客主要是记录自己认为重要的或没完全掌握的知识点

推荐系统的链路

• 召回：快速取回用户可能感兴趣的物品。在小红书场景下，⽤多条通道，取回⼏千篇笔记。
  • 多条召回通道取回的物品进行融合，去重，并过滤（例如去掉用户不喜欢的作者或话题）。
  • 召回通道包括协同过滤、双塔模型、关注的作者等。
• 粗排：⽤⼩规模神经⽹络，给⼏千篇笔记打分，选出分数最⾼的⼏百篇。
• 精排：⽤⼤规模神经⽹络，给⼏百篇笔记打分。
• 重排：做多样性抽样、规则打散、插⼊广告和运营笔记。

A/B测试

• 分层实验：同层互斥（不允许两个实验同时影响⼀位⽤户）、不同层正交（实验有重叠的⽤户）。
  

• Holdout：保留 10% 的⽤户，完全不受实验影响，可以考察整个部门对业务指标的贡献。
  

• 实验推全：新建⼀个推全层，与其他层正交。

• 反转实验：在新的推全层上，保留⼀个⼩的反转桶，使⽤旧策略。长期观测新旧策略的 diff。