1. 個性化召回
召回：從item set中選取一部分作爲候選集（不同用戶喜歡不同的item、item量級大則會導致排序慢，後端響應時間久）
根據用戶的屬性行爲、上下文等信息從item set中選取其感興趣的item集合作爲候選集；
2. 召回決定了最終推薦結果的天花板（召回 -> 排序 -> 策略調整）；
3. 個性化召回解析
3.1 基於用戶行爲：根據用戶是否點擊系統推薦item（CF、矩陣分解）
3.2 基於User Profile：偏好統計，按類別召回（可擴展性較差，用戶標籤難遷移）
3.3 基於隱語義：深度學習（可解釋性不強）