Retrieval

召回通道

• ItemCF 召回（不适用)
• 双塔模型（改造后适用）
• 类目、关键词召回（适用）
• 聚类召回（适用）
• Look-Alike 召回（适用）

ID Embedding

改进方案 1：新笔记使用 default embeddingo

• 物品塔做 ID embedding 时，让所有新笔记共享一个 ID，而不是用自己真正的 ID。
• Default embedding：共享的 ID 对应的 embedding 向量。
• 到下次模型训练的时候，新笔记才有自己的 ID embedding 向量。

改进方案 2：利用相似笔记 embedding 向量。

• 查找 topk 内容最相似的高曝笔记。
• 把 k 个高曝笔记的 embedding 向量取平均，作为新笔记的 embedding

多个向量召回池

• 多个召回池，让新笔记有更多曝光机会。
  • 1 小时新笔记，
  • 6 小时新笔记，
  • 24 小时新笔记
  • 30 天笔记
• 共享同一个双塔模型，那么多个召回池不增加训练的代价。

基于类目的召回

• 系统维护类目索引：
  • 类目 → 笔记列表（按时间倒排）
• 用类目索引做召回：
  • 用户画像 → 类目 → 笔记列表
• 取回笔记列表上前 k 篇笔记（即最新的 k 篇）

基于关键词的召回

• 系统维护关键词索引：
  • 关键词 → 笔记列表（按时间倒排）
• 根据用户画像上的关键词做召回。

缺点

• 缺点 1：只对刚刚发布的新笔记有效。
  • 取回某类目/关键词下最新的 k 篇笔记
  • 发布几小时之后，就再没有机会被召回
• 缺点 2：弱个性化，不够精准。