召回
相关指标
- 曝光vv占比、曝光uv占比、独特率、独特数、后验（短视频有效播放、完播率、播放完成度；点击场景ctr、uv-ctr）
- 漏斗指标，用于排查问题和优化：各层占比、通过率、独特率、用户渗透
模型召回
多目标双塔
正样本(对齐下游目标)：
- 有效播放：（播放时长≥5s且视频时长<20s）or(播放时长 ≥7s且视频时长≥20s)
- 长播放：播放时长≥30s
- 高完播：根据视频时长划分计算播放率，大于0.8为高完播
- 转化：完播（播时 >= 视频时长）、 （长播）播时>30s 、 关注 、 点赞 、 分享
负样本：
- 全局负采样5+曝光负样本1+batch内负样本*250
- 负样本生成逻辑：每条正样本从当天曝光池中随机采样5条负样本（至少一个目标为正），并且采样1条这个用户的曝光负样本（全部目标为负）作为困难负样本
- batch内随机负采样（或者N-pair loss） ∑i=0n∑j=0nCELoss(sigmoid(simi,j),labeli,j)\sum_{i=0}^{n}\sum_{j=0}^{n}CELoss(sigmoid(sim_{i,j}),label_{i,j})\sum_{i=0}^{n}\sum_{j=0}^{n}CELoss(sigmoid(sim_{i,j}),label_{i,j})
模型： 双塔，user测用一个，item测4个，最终目标loss融合
优势： 占比高、透出率高
缺点： 头部item集中、样本复杂学习较困难
一致性双塔
正样本： 精排top100 || 关注 || 评论 || 点赞 || 浏览作者主页 || 浏览评论 || 分享 || 长播（播放时长大于30s）
负样本： bacth内30条 + hard5条
- 构造当天播放item_id+slot hash字典（全局采样）
- 在模型训练的自定义样本处理阶段对每条req_id+imei进行负采样处理。
- 根据当前req_id+imei，取当前item的品类，然后随机从上述字典里面采样1条品类相同item，5条其他的item（hard采样）
- 保留当前req_id+imei的user侧特征，拼接随机采样的item特征
- 生成6条新样本后组装batch，然后训练（batch内loss负采样仍然保留）
模型： 标准双塔，4层
优点： 增加不同tag1的采样能大幅提升召回率和vv占比。
缺点： 本身在框架内实现，效率低训练时间长。
兴趣召回mind
正样本： 有效播放
负样本： 曝光正样本 + 256batch内负样本 + 1:10全局随机负采样样本
模型：
优点： 表达用户兴趣
缺点： 难表示兴趣迁移、以及召回池有限整体影响较小
功能双塔召回
主要两个方向，分人群召回和分内容属性召回。
分人群的比如中年女性之类的人群、新用户类、某种机型类。
分内容属性的比如新闻、影视、短剧之类。
主要方式就是搞一个专门内容池，然后用上面提到的主模型去做召回，服务专有人群或者某种内容的分发。
协同召回
icf
- 传统icf，公式简洁容易理解、线上表现不错、目前依然是主召回通道。
- 变种swing等，更偏向长尾和多样性，属于icf的补充。
- 模型icf学习，通过item双塔，icf的结果作为label学习，头部不如icf，但泛化和长尾效果好。
ucf
- 传统ucf，通过聚类等实现，通常效果不如icf
- 模型u2u2i，通过模型产出的user emb，拉取得相似用户在获得正向行为。效果不错，通常是核心召回通道。
倒排召回
兴趣召回
** 关注召回**
** 热点召回**
其他
- 基于用户画像/用户理解/内容属性偏好、长尾兴趣、潜在兴趣/探索、冷启召回
- 图神经网络、知识图谱（多样性、惊喜度）等
