关于召回、粗排、精排和重排简单介绍
召回(Recall)
- 起源:召回的概念起源于信息检索领域,用于描述搜索系统从文档集中检索出相关文档的能力。在推荐系统中,召回阶段的目标是从海量的物品或内容中,初步筛选出可能与用户兴趣相关的候选集合。
- 目的:确保系统能够覆盖到用户可能感兴趣的物品或内容,避免遗漏。
- 作用:召回是推荐系统的第一步,它为后续的排序阶段提供了候选集合,是推荐系统的基础。
更加详细内容见文章推荐系统中召回的定义及起源是什么?
粗排(Coarse Ranking)
- 起源:粗排的概念是在推荐系统追求更高性能和效率的过程中形成的。由于召回阶段可能会产生大量的候选物品,直接对所有候选物品进行精细排序可能会导致计算成本过高。因此,粗排阶段的作用是对候选物品进行初步排序,过滤掉明显不符合用户兴趣的物品,减少后续精排的计算量。
- 目的:在保证一定召回率的前提下,减少候选物品的数量,提高后续排序阶段的效率。
- 作用:粗排是召回和精排之间的过渡阶段,它在保证召回率的同时,通过简单的模型或规则对候选物品进行初步排序,减少了后续精排的计算量。
精排(Fine-grained Ranking)
- 起源:精排的概念是在追求更高推荐准确性的过程中产生的。在粗排阶段过滤掉明显不符合用户兴趣的物品后,精排阶段会对剩余的候选物品进行精细的排序和打分,以找到最符合用户兴趣的物品。
- 目的:利用复杂的模型和特征,对候选物品进行精细的排序和打分,确保推荐结果的准确性。
- 作用:精排是推荐系统的核心部分之一,它通过复杂的模型和算法对候选物品进行精细的排序和打分,确保推荐结果的准确性和个性化程度。
重排(Re-ranking)
- 起源:重排的概念来源于对推荐结果多样性的需求。在某些情况下,即使精排阶段已经产生了准确的推荐结果,但由于业务规则、多样性需求等因素,还需要对推荐结果进行重新排序。
- 目的:在满足准确性的前提下,考虑多样性、新颖性等因素,对推荐结果进行重新排序。
- 作用:重排是在精排之后的一个可选阶段,它可以根据特定的业务规则和需求对推荐结果进行重新排序,提高推荐结果的多样性和新颖性。
分类:
大数据与人工智能
标签:
个性化推荐之理论与实践
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· winform 绘制太阳,地球,月球 运作规律
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· AI 智能体引爆开源社区「GitHub 热点速览」
· 写一个简单的SQL生成工具