推荐系统[八]算法实践总结V1：淘宝逛逛and阿里飞猪个性化推荐：召回算法实践总结【冷启动召回、复购召回、用户行为召回等算法实战】
0.前言：召回排序流程策略算法简介
推荐可分为以下四个流程，分别是召回、粗排、精排以及重排：
- 召回是源头，在某种意义上决定着整个推荐的天花板；
- 粗排是初筛，一般不会上复杂模型；
- 精排是整个推荐环节的重中之重，在特征和模型上都会做的比较复杂；
- 重排，一般是做打散或满足业务运营的特定强插需求，同样不会使用复杂模型；
-
召回层：召回解决的是从海量候选item中召回千级别的item问题
- 统计类，热度，LBS；
- 协同过滤类，UserCF、ItemCF；
- U2T2I，如基于user tag召回；
- I2I类，如Embedding（Word2Vec、FastText），GraphEmbedding（Node2Vec、DeepWalk、EGES）；
- U2I类，如DSSM、YouTube DNN、Sentence Bert；
-
模型类：模型类的模式是将用户和item分别映射到一个向量空间，