近兩年來，在移動騰訊網(wǎng)落地了許多召回算法，絕大多數(shù)對業(yè)務指標帶來了不小的提升，趁著假期閑宅無事，泡壺好茶，倚窗聽雨，順便做點總結。一方面希望得到大神們的指點，另一方面也希望幫助到剛好有需要的同學，如果能起到拋磚引玉的作用更是榮幸之至。
召回在推薦系統(tǒng)中的地位
由于我個人主要是做召回算法的，首先免不了自吹自擂一番。以移動騰訊網(wǎng)（ http:// xw.qq.com ）新聞推薦系統(tǒng)為例，在整個推薦系統(tǒng)中召回具有奠基性，橋接性，決定性。
什么是召回
召回系統(tǒng)，本質(zhì)上是個信息漏斗，負責快速從海量信息中篩選出有價值的信息，縮小排序算法的搜素范圍（解決了信息過載的問題）；也負責將多路召回的數(shù)據(jù)，進行融合（相當于一個信息融合器，解決了單路召回特征單一，信息量小，多樣性差的問題），得到一個精簡的候選集。
召回算法之初體驗
如果用一副通俗易懂的圖來解釋召回算法做了哪些事情的話，就是下面這幅圖。
怎么衡量一個召回系統(tǒng)的好壞
召回算法的衡量雖然有一些通用的衡量指標，比如準確度，覆蓋度 F1等，但是在實際應用中，一般會和自己的應用場景和業(yè)務指標掛鉤，通過一些更貼合實際的指標去衡量，這里暫以移動騰訊網(wǎng)為例。
已經(jīng)落地的召回算法
我們的應用場景主要是圖文推薦（詳情頁相關推薦和列表頁個性化推薦，目前也在做視頻推薦和圖文視頻混推），
由于是新聞推薦，而且是從零到一實現(xiàn)整個推薦系統(tǒng)，因此我們的推薦和NLP 一開始就密切的聯(lián)系在了一起，并且一直伴隨著我們的持續(xù)優(yōu)化過程。從開始到現(xiàn)在，按照時間順序，依次實現(xiàn)了如下算法：
召回算法的緣起緣滅
一路有效的召回算法從想法的產(chǎn)生，到最后上線并起作用大致要歷經(jīng)一下各態(tài)
算法之美
召回算法，為移動騰訊網(wǎng)業(yè)務指標的持續(xù)提升發(fā)揮了重要作用，以下為分階段的提升效果（在實際應用時各個階段并非完全串行的，也存在一些并行和交叉的情況，為了更加清晰的表達，做了一下并不完全合理的劃分）
結束語
由于我們是圖文類型的新聞推薦，NLP和召回算法相伴而生，在做召回的過程中也完成了一些基本的NLP基礎建設，具體如下：
在做召回算法的過程中，個人也總結了一些經(jīng)驗：個人認為貼合業(yè)務場景的可落地的創(chuàng)新想法，比盲目追求paper 上的模型更有效，自己能夠全流程控制的可解釋的模型比盲目使用一些黑盒模型要好，再就是如果能跨行業(yè)融匯貫通，把生物學，進化論，自動控制，哲學上的一些理論，活學活用到推薦領域也會起到意想不到的作用。
召回算法實踐總結
近兩年來，在移動騰訊網(wǎng)落地了許多召回算法，絕大多數(shù)對業(yè)務指標帶來了不小的提升，趁著假期閑宅無事，泡壺好茶，倚窗聽雨，順便做點總結。一方面希望得到大神們的指點，另一方面也希望幫助到剛好有需要的同學，如果能起到拋磚引玉的作用更是榮幸之至。
召回在推薦系統(tǒng)中的地位
由于我個人主要是做召回算法的，首先免不了自吹自擂一番。以移動騰訊網(wǎng)（ http:// xw.qq.com ）新聞推薦系統(tǒng)為例，在整個推薦系統(tǒng)中召回具有奠基性，橋接性，決定性。
什么是召回
召回系統(tǒng)，本質(zhì)上是個信息漏斗，負責快速從海量信息中篩選出有價值的信息，縮小排序算法的搜素范圍（解決了信息過載的問題）；也負責將多路召回的數(shù)據(jù)，進行融合（相當于一個信息融合器，解決了單路召回特征單一，信息量小，多樣性差的問題），得到一個精簡的候選集。
召回算法之初體驗
如果用一副通俗易懂的圖來解釋召回算法做了哪些事情的話，就是下面這幅圖。
怎么衡量一個召回系統(tǒng)的好壞
召回算法的衡量雖然有一些通用的衡量指標，比如準確度，覆蓋度 F1等，但是在實際應用中，一般會和自己的應用場景和業(yè)務指標掛鉤，通過一些更貼合實際的指標去衡量，這里暫以移動騰訊網(wǎng)為例。
已經(jīng)落地的召回算法
我們的應用場景主要是圖文推薦（詳情頁相關推薦和列表頁個性化推薦，目前也在做視頻推薦和圖文視頻混推），
由于是新聞推薦，而且是從零到一實現(xiàn)整個推薦系統(tǒng)，因此我們的推薦和NLP 一開始就密切的聯(lián)系在了一起，并且一直伴隨著我們的持續(xù)優(yōu)化過程。從開始到現(xiàn)在，按照時間順序，依次實現(xiàn)了如下算法：
召回算法的緣起緣滅
一路有效的召回算法從想法的產(chǎn)生，到最后上線并起作用大致要歷經(jīng)一下各態(tài)
算法之美
召回算法，為移動騰訊網(wǎng)業(yè)務指標的持續(xù)提升發(fā)揮了重要作用，以下為分階段的提升效果（在實際應用時各個階段并非完全串行的，也存在一些并行和交叉的情況，為了更加清晰的表達，做了一下并不完全合理的劃分）
結束語
由于我們是圖文類型的新聞推薦，NLP和召回算法相伴而生，在做召回的過程中也完成了一些基本的NLP基礎建設，具體如下：
在做召回算法的過程中，個人也總結了一些經(jīng)驗：個人認為貼合業(yè)務場景的可落地的創(chuàng)新想法，比盲目追求paper 上的模型更有效，自己能夠全流程控制的可解釋的模型比盲目使用一些黑盒模型要好，再就是如果能跨行業(yè)融匯貫通，把生物學，進化論，自動控制，哲學上的一些理論，活學活用到推薦領域也會起到意想不到的作用。
作者：minwxwang，騰訊 PCG 應用研究員
