リコール＆ソート
図に示すように、業界の推薦システムは、一般的に、二段階モデルのリコールを用い+ソート。所謂召回（matching）、情報収集の全額より多くの正しい結果としてトリガを参照して、に結果を返す排序入力として。最大の違いは明確なクエリの入力は、ユーザー自身のニーズは、すなわち、存在しないユーザー推薦システムは、推薦システムが行う必要があり、明確ではないということです比較すると、検索システムは、利用者の肖像画、肖像画、彼が感じることができ、他のコンテンツに基づいて、ユーザにさまざまな情報をお勧めします興味のあるコンテンツは、ユーザーアクションの滞留時間を延長します。明確なクエリがないため、推薦システムは、情報プールの全体量の顔を思い出し、あなたが相関の結果を除いて、多くの関連性の高い結果などの情報うちの全体のコレクションから選択する必要があり、ソート・フェーズの作業負荷を軽減、弱いです。
排序（ranking）統一された順序を得点コンテンツリコールの複数のチャネルを指し、小さな最適な結果を選択します。召回メインステージはとても以上の後、ステージをソートコレクションダウン候補者の数は、複雑になることがありますが、お勧めのアイテム迅速なスクリーニングレベルの低下、さらには1100のレベルの候補セットの単純なモデルを取り、千万項目の順序からの候補者の責任でありますモデル、詳細な候補セットがランキングパーソナライズされました。私は英語を考えてmatching、比較的簡単に理解することがより適切に記述されています。
複数のリコール戦略
コンテンツベースのマッチングリコール
肖像及びコンテンツマッチは、ユーザコンテンツへ程度であるが縦に合わせて、より高いコンテンツベースのリコールに合致するが、精度が低い、冷間始動に適しセマンティックエンバイロメント。マイクロブログのフィード流れ、例えば、関心に基づいて、ラベル、関心トピック、リコール政策金利のエンティティがあります。
リコールに基づく協調フィルタリング
フィールドベース協調フィルタリング
-
UserCF -ベースの協調フィルタリングユーザー
UserCFすなわち、ユーザの閲覧履歴に基づいて、同様のユーザーを持つ他のユーザーを検索し、別の勧告を行います。 -
ItemCF -協調フィルタリングベースのプロジェクト
ItemCFプロジェクトにおいて、シーン上のビジネスによって、情報の流れは、物品のシーンにおける「コンテンツ」または電力会社の製品とすることができること、を介してプロジェクトを計算する間の類似性は、ユーザの嗜好履歴に応じ関連商品を推奨しました。
ベースの協調フィルタリングモデル
モデルベースの協調フィルタリングは、推奨モデルのトレーニング、ユーザ嗜好情報のサンプルに基づいて、リアルタイムのユーザーの勧告に基づいた嗜好情報を予測しています。そのようなマトリックス分解共通隠れセマンティックモデル（行列因子分解、MF）LDA、など。その他には、ベイジアンネットワークとSVMベースのコラボレーションに基づいてフィルタリングを含んでいます。
人気/熱リコールに基づいて、
また、熱として知られているコンテンツの人気は、最も一般的なのは、このようなWeiboのトレンド、上位Nの商品の電力サプライヤーとして、ユーザに推薦コンテンツのリストに加熱することです。
コンテキストベースのシーンのリコール
時間、場所や機器が使用されている、いわゆる文脈（コンテキスト）ユーザーの行動は、いくつかの動作は、このようなリフレッシュ時間をマイクロブログのように、ほぼリアルタイムで、そして米国のミッションは/場所アプリケーション、このような変化の必要性に非常に敏感に低下しますリコール段階では非常に強いダイナミックの文脈を特徴とする、明示されます。
参照
