RECSYS ／ 阅读与实践

第 10 章阅读地图：召回模型

章节主线

按可用信号和服务约束选择召回范式，而不是堆叠模型名；比较召回质量时同时观察覆盖、新鲜度、成本和增量价值。

节 PDF 页 细粒度主题 选型问题
10.1 协同过滤 2–23 ItemCF、UserCF、Online CF、Swing、矩阵分解、Neural CF、异构 CF 交互稀疏度、实时更新与热门偏置如何影响选择？
10.2 图召回 24–53 DeepWalk、Node2Vec、EGES、GCN、GAT、GraphSAGE、LightGCN、PinSage、HybridGNN 图结构增益是否覆盖建图、训练和在线查询成本？
10.3 向量召回 54–80 YoutubeDNN、双塔、负采样偏差、FastText、BERT、SBERT、SimCSE、E5 用户塔与物品塔如何训练、发布并保持版本一致？
10.4 序列召回 81–99 Item2Vec、GRU4Rec、SASRec、BERT4Rec、SDM、CL4SRec、ICSRec 短期顺序信号值得多少训练和推理复杂度？
10.5 多兴趣 100–108 MIND、ComiRec、REMI 单向量何时发生兴趣折叠？兴趣数如何控制？
10.6 其他模型 109–117 PDN、TDM 树检索或路径建模何时优于 ANN？
10.7 实践讨论 118–119 多路组合与工程落地 新通道的增量、重合度、P99、更新成本是多少？
10.8 小结 120 选型归纳 形成“信号—模型—索引—指标—故障”矩阵。

必做对比

  1. ItemCF 与双塔：可解释性、冷启动、更新成本。
  2. 双塔与序列召回：长期偏好与短期意图。
  3. 单兴趣与多兴趣：覆盖收益与服务放大。
  4. 图召回与向量召回：结构信息与系统复杂度。

本书依据：第十章 PDF 第 2–120 页。