前言

召回幾乎是所有推薦系統的基礎模塊，對應到電商的推薦中，它的作用是從海量的商品池中，篩選出一部分用戶可能感興趣的商品作為上層排序系統的候選集。因此，可以說召回效果的好壞直接決定了推薦效果的上界。

常見的有基于user profile的召回，基于協同過濾的召回，還有最近比較流程的基于embedding向量相似度的topN召回等等。方法大家都知道，但具體問題具體分析，對應到旅行場景中這些方法都面臨著種種挑戰。例如：旅行用戶需求周期長，行為稀疏導致訓練不足；行為興趣點發散導致效果相關性較差；冷啟動用戶多導致整體召回不足，并且熱門現象嚴重；同時，具備旅行特色的召回如何滿足，例如：針對有明確行程的用戶如何精準召回，差旅用戶的周期性復購需求如何識別并召回等。

本次分享將介紹在飛豬旅行場景下，是如何針對這些問題進行優化并提升效果的。主要內容包括：?豬旅行場景召回問題、冷啟動用戶的召回、行程的表達與召回、基于用戶行為的召回、周期性復購的召回。

01飛豬旅行場景召回問題

1. 推薦系統流程

首先介紹推薦的整體流程。整體上分為5個階段。從全量的商品池開始，之后依此是召

總結

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（四十一）-阿里飞猪个性化推荐：召回篇的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。