"全能选手"召回表征算法实践( 四 ) 本文主要分享"全能选手"召回表

04
业务落地
1. 外物皆向量
文章插图
接下来我们聊一下业务上是怎么落地的，外物皆向量是Facebook提出来口号，如果我们做好了一整套向量体系之后，那么业务场景中所有的主体都可以向量化，再去做U2I、I2I、Q2I的召回就非常方便。
2. 服务示意
文章插图
图中是一个简单的服务示意图，整体是整合的统一召回服务，其中核心向量表征服务具备User、Item向量表征的能力，它可以采用T+1的数据做表征，也可以利用实时数据做用户实时兴趣的表征。统一召回服务的输出经过精排、重排就可以应用到搜索、推荐、广告等业务场景中了，所以召回服务是各个业务的基石，召回效果的提升能带来多个场景效果的提升，是一个产出投入比非常高的技术方向。
3. 应用效果
文章插图
具备万物都已向量化的基础后，下面是一些具体应用的落地效果示意。比如搜索中搜索词的推荐 ( U2Q )、搜索结果语义匹配 ( Q2I ) ，推荐中很多简单场景可以直接使用基于向量的排序模型，效果也不错。还有内部首焦广告中的智能合图，通过User2Topic ， User2Item挑选用户最感兴趣的活动商品呈现个性化Banner 。
【"全能选手"召回表征算法实践】作者：潘胜一网易严选算法专家，严选人工智能部搜索推荐负责人。团队负责的业务包括搜索、推荐、内外部广告、用户模型等。

&quot;全能选手&quot;召回表征算法实践( 四 )

"全能选手"召回表征算法实践( 四 )