召回01：基于物品的协同过滤（ItemCF）
Item Based Collaborative Filtering，缩写 ItemCF
ItemCF 的原理：如果用户喜欢物品1，而且物品1与物品2相似，那么用户很可能喜欢物品2。
1. 如何计算两个物品之间的相似度。
2. 如何预估用户对候选物品的兴趣。
3. 如何利用索引在线上快速做召回。
ItemCF的实现
两个物体的受众重合度越高，表示两个物体越相似。
ItemCF完整流程：
step1：事先做离线计算
step2 线上做召回：
为什么要用索引：
召回02：Swing召回通道
ItemCF ：（缺点）
Swing模型：（为用户设置权重）
召回03：基于用户的协同过滤（UserCF）
UserCF 的原理：如果用户1跟用户2相似，而且用户2喜欢某物品，那么用户1很可能喜欢该物品。
关键：1. 如何计算两个用户之间的相似度。 2. 如何预估用户对候选物品的兴趣。 3. 如何利用索引在线上快速做召回。
用户相似度：
如果是热门物体，那么大概率两个用户都会喜欢，因此需要降低热门物体的权重：
UserCF召回的完整流程
step1：离线计算
step2：线上做召回
召回04： 向量召回 ，离散特征处理
one-hot encoding (独热编码) 和 embedding (嵌入)
召回05： 向量召回 ，矩阵补充、最近邻查找
矩阵补充（matrix completion），它是一种向量召回通道。矩阵补充的本质是对用户 ID 和物品 ID 做 embedding，并用两个 embedding 向量的内积预估用户对物品的兴趣。值得注意的是，矩阵补充存在诸多缺点，在实践中效果远不及双塔模型。 做向量召回需要做最近邻查找（nearest neighbor search）。
用绿色的信息做训练，来预测灰色的值，进而为用户做召回
近似最近邻查找：
step1：划分区域
step2：用一个向量表示但各区域，给定一个物体，则返回所在的区域的物体
step3：只需计算该区域所在的相似度。
召回06:双塔模型:矩阵补充的升级版
双塔模型（two-tower）也叫 DSSM，是推荐系统中最重要的召回通道，没有之一。双塔模型有两个塔：用户塔、物品塔。两个塔各输出一个向量，作为用户、物品的表征。两个向量的内积或余弦相似度作为对兴趣的预估。有三种训练双塔模型的方式：pointwise、pairwise、listwise。
双塔模型训练：
pointwise：
pariwise：
listwise：
召回07：双塔模型–正负样本选择
双塔模型（two-tower，也叫 DSSM）正负样本的选取。正样本是有点击的物品。负样本是被召回、排序淘汰的物品，分为简单负样本和困难负样本。
负样本：
简单负样本：Batch内负样本
热门样本成为负样本的概率过大，解决办法：
困难负样本：
召回08：双塔模型的线上服务和模型更新
在开始线上服务之前，需要把物品向量存储到Milvus、Faiss、HnswLib这类向量数据库，供最近邻查找（KNN 或 ANN）。当用户发起推荐请求时，用户塔用用户ID和用户画像现算一个用户向量，作为query，去向量数据库中做最近邻查找。
模型需要定期做更新，分为全量更新（天级别）和增量更新（实时）。全量更新会训练整个模型，包括embedding和全连接层。而增量更新只需要训练embedding层。
模型更新：
全量更新：跟新用户和物体向量
增量更新：每隔几小时实现用户模型更新
为什么需要这个：用户的兴趣可能会随时改变，因此需要随时做用户的更新，且只更新用户embedding参数，其他参数不需要更新。
注意：每天的全量更新是基于昨天的全量更新后的模型进行训练的。
问题：能否只做增量更新，不做全量更新
召回09：双塔模型的改进–自监督学习
改进双塔模型的方法，叫做自监督学习（self-supervised learning），用在双塔模型上可以提升业务指标。这种方法由谷歌在2021年提出，工业界（包括小红书）普遍验证有效。
长尾效应：
参考文献： Tiansheng Yao et al. Self-supervised Learning for Large-scale Item Recommendations. In CIKM, 2021.
自监督学习：
对物品进行不同的特征变换得到的特征向量同类之间尽可能的相同，不同物体之间尽可能不同。
特征变换方法：
1、Random Mask
2、Dropout
3、互补特征
最好的办法 ：Random mask（将一组相关联的特征全部mask）
召回10：其他召回通道
地理位置召回包括GeoHash召回和同城召回。作者召回包括关注作者、有交互作者、相似作者。缓存召回是储存精排打分高、而且未曝光的笔记。
6个其他召回通道：
