推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！

推荐系统中的核心是从海量的商品库挑选合适商品最终展示给用户。由于商品库数量巨大，因此常见的推荐系统一般分为两个阶段，即召回阶段和排序阶段。召回阶段主要是从全量的商品库中得到用户可能感兴趣的一小部分候选集，排序阶段则是将召回阶段得到的候选集进行精准排序，推荐给用户。 本篇我们来总结一下推荐系统中几种常用的召回策略。主要有协同过滤、向量化召回和阿里最近在Aicon中提到的深度树匹配模型。 1、协同过滤

>>阅读原文<<