推荐系统中常用的召回方法总结

本文最后更新于：27 分钟前

本文汇总了推荐系统中常用的召回方法，分篇记录如下，供自己学习使用：

1. 传统召回算法

  1. 基于物品属性的倒排索引召回
  2. 基于物品的协同过滤（ItemCF）
  3. Swing 算法
  4. 基于用户的协同过滤（UserCF）
  5. （TODO）矩阵分解算法

2. 基于向量的召回算法

  1. （TODO）FM 算法
  2. （TODO）Item2Vec 算法
  3. （TODO）Airbnb 算法
  4. （TODO）YouTubeDNN 算法
  5. （TODO）双塔召回

3. 基于图的召回

  1. （TODO）EGES 算法
  2. （TODO）GraphSAGE 算法
  3. （TODO）PinSAGE 算法

4. 基于序列的召回

  1. （TODO）MIND 模型
  2. （TODO）SDM 模型

5. 基于树模型的召回

  1. （TODO）TDM 召回

参考资料

  1. https://github.com/datawhalechina/fun-rec/
  2. 石塔西《互联网大厂推荐算法实战》