Rerank

做多样性抽样（比如MMR、DPP），从几百篇中选出几十篇。

用规则打散相似笔记。

插入广告、运营推广内容，根据生态要求调整排序。

相似性的度量

• 基于物品属性标签。
  • 类目、品牌、关键词…
• 基于物品向量表征。
  • ·用召回的双塔模型学到的物品向量（不好)。
  • ·基于内容的向量表征（好）。(CV, NLP模型提取特征)

基于物品属性标签

• 物品属性标签：类目、品牌、关键词…
• 根据一级类目、二级类目、品牌计算相似度
  • ·物品i:美妆、彩妆、香奈儿
  • ·物品j:美妆、香水、香奈儿。
  • ·相似度：sim1(i,j)=1’sim2(i,j)=0,sim3(i,j)=1

基于图文内容的物品向量表征

• CLIP[1]是当前公认最有效的预训练方法。
• 思想：对于图片一文本二元组’预测图文是否匹配·
• 优势：无需人工标注。小红书的笔记天然包含图片+ 文字，大部分笔记图文相关

参考文献：Radford et al.Learning transferable visual models from natural language supervision.In ICML,2021.

• 一个batch内有m对正样本。
• 一张图片和m一1条文本组成负样本。
• 这个batch内一共有m(m-1)对负样本。