关于召回数据的问题

来源:14-8 点击率预估ABtest

慕仔2266098

2020-03-25

1:目前在精排阶段选择了LR和GBDT两种方式进行精排,也就是说如果在ALS召回阶段的数据集本身存在问题,在精排阶段也无法避免,是否存在这样的问题?
2:如果再A/B测试的推荐数据逻辑中,如果实现类似下拉刷新和上滑加载更多的操作,由于AB测试中是混合数据返回,对于页码不好定位,下拉和上滑的思路应该是怎么样?

写回答

1回答

龙虾三少

2020-03-26

召回的结果是排序的天花板 要求召回的尽可能的多 第二个问题没办法避免 只能程序逻辑做内心操作处理

1
2
龙虾三少
回复
慕仔2266098
冷启动一般都用规则推荐,不用算法,第二个问题一般用缓存,一次性搞许多条,然后内存里分页,第三个问题是有实时加离线并行的
2020-08-06
共2条回复

ES7+Spark 构建高匹配度搜索服务+千人千面推荐系统

ElasticSearch实现高相关性搜索,Spark MLlib实现个性化推荐

1384 学习 · 559 问题

查看课程