推荐系统中的常用模型(Recall)

Overview

 

模型	简介	论文
Word2Vec	word2vector	[NIPS 2013]Distributed Representations of Words and Phrases and their Compositionality
DSSM	Deep Structured Semantic Models	[CIKM 2013]Learning Deep Structured Semantic Models for Web Search using Clickthrough Data
GRU4REC	SR-GRU	[2015]Session-based Recommendations with Recurrent Neural Networks
Youtube_DNN	Youtube_DNN	[RecSys 2016]Deep Neural Networks for YouTube Recommendations
SSR	Sequence Semantic Retrieval Model	[SIGIR 2016]Multi-Rate Deep Learning for Temporal Recommendation
NCF	Neural Collaborative Filtering	[WWW 2017]Neural Collaborative Filtering
GNN	SR-GNN	[AAAI 2019]Session-based Recommendation with Graph Neural Networks
Fasttext	fasttext	[EACL 2017]Bag of Tricks for Efficient Text Classification

 

 

Youtube_DNN

输入：

1. 用户观看过的video的embedding向量

2. 用户搜索词的embedding向量

3. 用户的地理位置年龄等静态特征

（这里的embedding向量作者是用word2vec类方法预先生成的）

 

线下模型训练阶段：

三层ReLU神经网络之后接到softmax层，即建模为为用户推荐下一个感兴趣视频的多分类问题；

输出：所有候选视频集合上的概率分布。

 

线上预测阶段：

考虑到召回的高性能需求首先通过userId找到相应的用户向量，然后使用KNN类方法找到相似度最高的N条候选结果返回。