0.前言：召回排序流程策略算法簡介

推薦可分為以下四個流程，分別是召回、粗排、精排以及重排：

1. 召回是源頭，在某種意義上決定著整個推薦的天花板；
2. 粗排是初篩，一般不會上復雜模型；
3. 精排是整個推薦環(huán)節(jié)的重中之重，在特征和模型上都會做的比較復雜；
4. 重排，一般是做打散或滿足業(yè)務運營的特定強插需求，同樣不會使用復雜模型；

• 召回層：召回解決的是從海量候選item中召回千級別的item問題

  • 統(tǒng)計類，熱度，LBS；
  • 協(xié)同過濾類，UserCF、ItemCF；
  • U2T2I，如基于user tag召回；
  • I2I類，如Embedding（Word2Vec、FastText），GraphEmbedding（Node2Vec、DeepWalk、EGES）；
  • U2I類，如DSSM、YouTube DNN、Sentence Bert；
    

• 模型類：模型類的模式是將用戶和item分別映射到一個向量空間，