引言
其实最开始推荐系统根本就没召回，直接基于物料池进行排序就行，但是如果物料池变得超大，为了技术和业务发展，每个样本的特征越来越复杂，如果直接精排是没法工程的，所以增加召回，即用更简单的模型更少的特征或者直接规则对候选集快速筛选，减少排序阶段的耗时；同时召回的加入也能让业务更加丰富，如想对这个人增加热点物料，广告主重点推荐物料等等；
召回在推荐中的作用也十分重要，召回的商品准确与否直接决定了推荐的上限。召回的目标是从千万级甚至亿级的候选中召回几千个item，很老的资料中都是诸如相似商品召回，协同过滤召回,买了又买召回等，但是以单路形式呈现，随着发展，现在召回基本都是由多路组成，每一路会有不同的侧重点（优化目标）。在推荐系统，不同路可能代表了不同的优化目标，如喜欢、关注、观看时长、评论这些都可以分不同的路召回。每一路的召回都会拉取前K个候选集，对于每一路的K的大小可以不同。K的大小一般需要通过离线评估加上线上A/B测试的方式确定合理的取值范围。
- 召回：候选集规模大，模型和特征简单，速度快，尽可能增加多路业务性质的召回；
- 排序: 候选集不大，目标是保证排序的精准，模型和特征都更复杂；
但是多路召回仍存在一些不可避免的缺陷，比如说，从策略选择到候选集大小参数的调整都需要人工进行，另外不同策略之间的信息也是割裂的，无法综合考虑不同策略对同一个物品的影响。当然，现在针对这些缺陷已经有了较好的解决方法——基于Embedding的召回。
下图是整体流程逻辑：
而现在都是多路召回：
召回涉及到的算法大纲
模型类别角度划分
目前召回常用的方法有：
- 传统召回：规则召回；userCF；itemCF；CF；协同召回；fpGrowth；SVD；SVD++；MF；DeepMF；
- 基于FM的召回：FM；FFM；DeepFM(2017)；
- 图召回：DeepWalk(2014)；LINE(2015)；SDNE；Node2Vec(2016)；EGES(2018)；GCN；GraphSAGE；
- 内容语义i2i召回：word2vec；FastText；Bert;
- embedding召回(也是现在发展的趋势)：DSSM(2013)；Item2vec(2016)；YouTubeDnn(2016)；NCF(2017)；Airbnb Embedding(2018)；MIND(2019)；CrossTag；EGES(2018)；GAT；SDM(2019)；NIRSA；TDM(2019)；
ps:在实际使用中，往往不是如论文一样单一实现，如工业界常常会用FM、双塔模型等先学习user embedding、和 item embedding，然后用ball tree、fast ball tree 等近似最近邻算法进行检索，加快效率；
业务角度划分
借用下文章中的思维导图进行大纲式介绍
如上图所示，召回涉及到的点还是蛮多的，分为非个性化和个性化，其中：
- 非个性化可以离线提前做好，主要是针对全网而言，并非针对个人，如电商中可以通过点击访问热力图获取当前最热商品、或者小视频新闻领域通过高CTR，高阅读完整或者高停留时长获取的视频新闻等物料，这类可能是突然发生的爆款；
个性化的：
- 基于内容的(content—based): 如用户自身标签召回，
- 基于行为的(behavior-based)：如userCF和itemCF，其中userCF即通过相似的人找其他人的物料进行推荐；itermCF即通过物料之间相似性将该物料其他相似物料进行纳入
- 基于特征的(feature-based)：将用户的年龄，性别，地理位置，行为序列称为用户特征；对应的物料的熟悉称为物料特征，将其分别作为用户特征和物料特征进行召回，如i2i就是通过item embedding，找到与本item相似的其他item，可以通过在线学习不断的将商品生成的embedding作为商品向量特征传输进向量引擎如faiss进行直接的向量召回；
- 基于社交网络(social-network)：如通讯录关系进行寻找物料推送，比如妈妈在看婴儿产品，则直接将其推送给爸爸；
召回中的问题
文章中简要的提及了召回中的问题：
1） 负样本构建问题
在推荐中，正样本很容易获取，即哪些点击过，加购过，下单过的都是正样本，但是对应的负样本呢？但是不能简单的将未曝光过的样本当做负样本，因为假如某个样本能进召回池子，本身就可能是有用的，这时候将其作为负样本就不合适了；还有会遇到SSB（sample selection bias）问题，即正样本永远是整体推荐池的子集，而且很小，这样构建负样本会遇到采样偏差问题，故需要让选择出来的负样本，尽可能的能代表全体推荐池，特别是hard negative sample的问题；
- 可以主动学习，人工选择选出hard negative sample；
- 借助精排模型，将精排打分处于中间位置的item，如排名100~500左右的item，它们不是很靠前，可以看做负样本，也不是吊车尾，与正样本有一定相关性，区分起来有一定难度；
- 业务规则：Airbnb论文的做法
2）文章中介绍的竞争问题：各召回通路最终会做merge去重，各通道之间重复度过高则没有意义，特别是新增召回通路，需要对历史通路有较好的补充增益作用，各召回通路之间存在一定的重叠和竞争问题。同时，召回通路的候选item，不一定能在精排中竞争透出，特别是历史召回少的item，由于其曝光样本很少，精排中打分不高，所以不一定能透出。召回和精排的相爱相杀，还需要通过全链路优化来缓解。
3）文章中介绍的目标不一致问题：目前的召回目标仍然是找相似，不论是基于内容的，还是基于行为和特征的。但精排和最终实际业务指标仍然看的是转化，相似不代表就能得到很好的转化，比如极端情况，全部召回与用户最近播放相似的短视频，显然最终整体的转化是不高的；
多路召回融合
在每个召回策略后都得到了一些候选集后，那么如何融合这些结果呢，这个可参考文章中的介绍
简单来讲，如针对上述3路召回结果，可有:
- 直接融合排序法：即按照权重排序即可；
- 加权法：通过设定的规则对商品进行统计学加权，或者对整路进行加权；
- 自适应加权：如利用机器学习方法对不同路算权值；
常见术语解释
如I2I、U2I、U2U2I、U2I2I、U2TAG2I，如下图所示，其中“2”代表的是下图中的边，“U”与“I”代表的事下图中的节点。
- I2I：计算item-item相似度，用于相似推荐、相关推荐、关联推荐；
- U2I：基于矩阵分解、协同过滤的结果、直接给u推荐i；
- U2U2I：基于用户的协同过滤，先找相似用户，再推荐相似用户喜欢的item；
- U2I2I：基于物品的协同过滤，先统计用户喜爱的物品，再推荐他喜欢的物品；
- U2TAG2I：基于标签的泛化推荐，先统计用户偏好的tag向量，然后匹配所有的item，这个tag一般是item的标签、分类、关键词等tag。
而大部分情况下，用的最多的还是i2i和u2i，下图是embedding召回中的模型列举
规则召回
即运营等基于人直接拍脑袋想到的规则
- 基础属性召回：简单来讲就是人主观觉得有效的策略，比如热门召回、地域召回、家乡召回、标题召回,季节性召回等
- 产品&运营策略召回：比如节日、活动等定制场景
参考文献：
【总结】推荐系统——召回篇【1】
推荐系统召回策略之多路召回与Embedding召回
推荐系统主流召回方法综述
如何评价召回系统的好坏
【推荐系统】召回模型线下评价指标
推荐算法架构1：召回