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)