页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「冷启动」找到 69 条内容
按专题浏览 →匹配正文：…类召回方法对比 方法 核心原理 优势 局限 典型场景 协同过滤 用户-物品交互矩阵，找相似用户或物品 无需内容特征，挖掘群体智慧 冷启动差、稀疏性问题、热门 bias 成熟业务、行为丰富的场景 向量召回（双塔） 用户塔+物品塔分别编码，向量内积近似 泛化能力强、支持任意相似度、可增量更新 训练成本高、负采样关键、可能过度泛化 大规模、需要语义匹配的场景 图召回 构建用户-物品异构图，用GNN传播高阶信号 捕获多跳关系、缓解稀疏性、可融合多源信息 计算复杂、图构建成本高、实时性…
匹配正文：…召回 多路召回用不同信号并行生成候选，例如协同过滤、双塔向量、内容或图召回，以及热门、地域、关注与运营规则。各路分别面临行为稀疏、冷启动、训练偏差、图更新成本或个性化不足等问题。 各路结果要经过版本与权限过滤、去重、配额或分数校准。多路并不自动带来多样性；高度相关的召回器可能重复返回同一批热门项。 排序模型 排序器对候选统一估计点击、转化、观看时长、满意度等目标。模型可从线性模型、GBDT 到 Wide&Deep、DIN 或多任务网络，复杂度取决于数据和服务预算。排序质量不仅…
匹配正文：…后的多样性重排（MMR+语义去重） 推荐理由生成：非排序本身，但提升CTR和用户体验 直接打分：Prompt预测点击概率——仅适合冷启动或长尾，全量不经济 关键挑战 计算成本 vs 实时性 解法：LLM特征离线预计算 + 在线轻量模型；蒸馏小模型替代在线LLM ID空间与语义空间错位 传统推荐强依赖ID共现，LLM擅长语义；需设计ID-语义对齐的联合训练 评估困境 LLM引入后，离线AUC可能涨但线上GMV跌（语义相关≠转化相关），需强化因果推断评估 我的判断 当前ROI最高…
学习内容与项目面试，在同一条路上。