离线召回与排序介绍

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

3.3 离线召回与排序介绍

学习目标

• 目标
  • 了解大数据推荐离线在线的特点
  • 说明召回模块与排序模块的设计、作用
  • 知道头条推荐召回排序设计
• 应用
  • 无

召回与排序业务流程

3.3.1 大数据的离线与在线架构

关于整套大数据实时推荐的离线与在线部分解释：

计算方式	特点	任务	举例	缺点	框架
离线	1、支持处理大数据量 2、进行批量任务计算 3、可以加入机器提升效率	1、挖掘用户、物品标签 2、用户物品离线特征处理 3、批量推荐结果召回计算 4、批量机器学习算法	1、矩阵分解 2、LR模型训练	1、无法及时捕获用户的兴趣 2、无法给用户及时的推荐	spark sql,hive
在线	1、运行简单的算法和逻辑 2、立即对用户反馈	1、解决用户冷启动 2、融合排序 3、多样性提升 4、过滤逻辑	1、取出离线阶段的推荐电影 2、运行LR进行在线排序 3、过滤文章，输出推荐结果	1、相应时间有速度要求 2、计算时间复杂度有要求	flume,kafka,spark streaming,hbase

3.3.2 召回与排序介绍

召回：从海量文章数据中得到若干候选文章召回集合(数量较多)

排序：从召回集合中读取推荐文章，构建样本特征进行排序过滤筛选

3.3.2.1 推荐算法复习

3.3.2.2 召回模块

• 召回模块组成：多路召回池，召回缓存
• 召回模块：会存在多种召回方式/算法进行召回集合存储
  • 离线计算：基于历史数据定时更新用户的召回结果
  • 在线计算：快速进行推荐系统的推荐结果，解决冷启动问题

3.3.2.3 排序模块

• 排序模块：主要就是模型的训练以及部署，然后在实时推荐时候进行召回结果的排序计算

离线排序模型训练

• 画像离线计算得到CTR预估训练所需要的样本数据
• 排序模型技术：Spark与TensorFlow

实时推荐排序模型排序操作

训练出来的模型，到时候在实时推荐当中，读取召回集合之后，进行实时排序

3.3.3 头条推荐的召回排序设计

• 匿名用户：

  • 通常使用用户冷启动方案，区别在于user_id为匿名用户手机识别号(头条不允许匿名用户)

• 所有只正针对于登录用户：

• 用户冷启动（前期点击行为较少情况）

  • 非个性化推荐
    • 热门召回：自定义热门规则，根据当前时间段热点定期更新维护人点文章库
    • 新文章召回：为了提高新文章的曝光率，建立新文章库，进行推荐
  • 个性化推荐：
    • 基于内容的协同过滤在线召回：基于用户实时兴趣画像相似的召回结果用于首页的个性化推荐
• 后期离线部分（用户点击行为较多，用户画像完善）
  • 建立用户长期兴趣画像（详细）：包括用户各个维度的兴趣特征
  • 训练排序模型
    • LR模型、FTRL、Wide&Deep
  • 离线部分的召回：
    • 基于模型协同过滤推荐离线召回：ALS
    • 基于内容的离线召回：或者称基于用户画像的召回