Skip to main content

召回

定位​

召回层作为推荐系统的第一级漏斗，核心使命是数以万计的物料池中高效筛选出千级候选集，需同时满足：

  • 高覆盖率：捕捉用户90%+潜在兴趣点
  • 低延迟：平均响应时间<20ms
  • 多样性：确保候选集覆盖20+兴趣维度

核心架构​

1. 匹配召回 (Match Recall)​

技术原理：基于规则引擎的特征组合检索

典型应用场景：

  • 冷启动用户偏好捕捉
  • 强特征引导场景（比如：地理位置/紧急需求）
  • 实时热点内容捕捉

配置矩阵：

根据25岁男性用户生成键user_25_male，从倒排索引中召回商品。

[[Pipeline.Recall]]
name = "demographic_match"  # 策略唯一标识
recall_type = 0             # 召回类型
template = "user_%d_%s"      # 特征组合范式
fields = "age,gender"        # 使用的用户特征
keys = 20                     # 特征组合维度
count = 100                 # 单次召回上限

2. 模型召回 (Model Recall)​

通常的方案是双塔召回，即用户特征经过DNN产生一组多维向量，物料特征经过事先处理好也产生一组多维向量，然后用向量查找的方式在物料池中找到距离最近的N个向量。

# 双塔模型结构示意
user_tower = DNN(user_features)
item_tower = DNN(item_features)
similarity = cosine(user_tower, item_tower)

配置矩阵：

[[Pipeline.Recall]]
name = "dnn_vector"       # 策略标识
recall_type = 1    # 服务类型
endpoint = "http://recall-svc.prod:8501"  # 服务端点
count = 100     # 单次召回上限

系统特性​

  1. 多策略并行：支持多路召回通道并行执行
  2. 动态权重分配：基于实时反馈自动调整各通道召回比例
  3. 降级机制：在95%分位延迟超100ms时自动切换备选策略