我们在前面几章中介绍了推荐系统的一些基本概念，从本章开始我们会进入推荐系统的核心章节，也就是关于推荐算法部分的介绍。我们在第五章「推荐系统业务流程与架构」中讲到推荐系统一般会分为召回和排序两个阶段，召回可以看成是推荐前的初筛过程，排序是对初筛的结果进行精细打分排序的过程。
6.1 什么是召回算法
6.2 常用的召回算法介绍
6.2.1 基于算法复杂度的分类
6.2.1.1 基于规则策略的召回
6.2.1.2 基于简单算法的召回
6.2.1.3 基于复杂算法的召回
6.2.2 基于数据维度的分类
6.2.2.1 基于用户数据的召回
6.2.2.2 基于物品数据的召回
，
代表的是向量的两个分量之间的相似度。可以采用Jacard相似度等各种方法计算两个分量之间的相似度。上面公式中还可以针对不同的分量采用不同的权重策略，见下面公式，其中是第t个分量(特征)的权重，具体权重的数值可以根据对业务的理解来人工设置，或者利用机器学习算法来训练学习得到。
6.2.2.3 基于行为数据的召回
6.2.2.4 基于场景数据的召回
6.2.3 基于算法是否个性化的分类
6.2.3.1 非个性化召回算法
6.2.3.2 个性化召回算法
6.3 关于使用召回算法的3点说明
6.3.1 尽量别使用太复杂的召回算法
6.3.2 尽量用多维度的召回算法
6.3.3 需要要基于业务策略进行召回
6.4 总结
参考文献
本文来自微信公众号【数据与智能】，未经许可谢绝二次转载至其他网站，如需转载请联系微信liuq4360。
黄教授
