推荐系统-各环节要点汇总

1.推荐物料来源

1.1 原始数据来源

根据平台属性不同，分为ugc,pgc,ogc

来源上：自己生产或者爬去

1.2 内容审核

把低质、敏感以及需要过滤的内容过滤，不进入可推荐内容库

1.3打标

给内容打标，比如keyword,实体词，tag等，方便文章显式分发

2.推荐方式

2.1显式推荐

2.1.1热点推荐

2.1.2根据keyword/实体词/tag推荐/类别

2.1.3根据用户画像推荐

2.1.4根据用户applist

2.2隐式推荐

2.2.1 FM/xgboost

2.2.2 w2v

2.2.3 graph2vec,

2.2.4user_cf, item_cf

2.2.5 swing

2.2.6 MF/svd/slim/FISM

2.2.7 RankSim

2.2.8 DSSM/DeepMatch

2.2.9序列推荐

2.2.10  基于gan推荐

2.2.11基于强化学习推荐

2.2.12 其他模型的U2U和I2I召回

3.排序（粗排或者精排）

粗排和精排的目标是一致的，区别在特征和模型结构，粗排相对少一些，关键看成本和目标的平衡

模型包括ctr,完播，时长，cvr等

信息流推荐中时长是决定用户阅读时间部分，直接影响广告收入，当然ctr、完播和留存等影响着长期收益，所以都要兼顾

多目标学习

3.1 样本加权

比如模型目标是ctr，把完播样本权重看作2， 点赞看作3

3.2 多模型融合

比如，ctr模型、完播模型

对各个模型结果融合，需要调参，一般放在机制侧

3.2 bottom share