关于召回数据的问题

Question

1：目前在精排阶段选择了LR和GBDT两种方式进行精排，也就是说如果在ALS召回阶段的数据集本身存在问题，在精排阶段也无法避免，是否存在这样的问题？
2：如果再A/B测试的推荐数据逻辑中，如果实现类似下拉刷新和上滑加载更多的操作，由于AB测试中是混合数据返回，对于页码不好定位，下拉和上滑的思路应该是怎么样？

Answer 1

龙虾三少 2020-03-26 09:41:10

召回的结果是排序的天花板 要求召回的尽可能的多 第二个问题没办法避免 只能程序逻辑做内心操作处理

• 提问者 慕仔2266098 #1

  谢谢老师耐心回答。此处还有几个问题
  1：当一个新用户使用app时，此时没有用户行为，ALS召回有这种情况的处理方案吗？或者应该怎么处理？
  2：对于上面第二个问题，不考虑AB测试的情况下，正常情况我们目前的召回数据在存储内，此时我们上滑分页，我如果采用按GBDT排序数据集分页显示的话，那下拉刷新一般是怎么样的逻辑？类似B站的刷新和上滑分页。还有如果下拉和上滑用户把数据取光后又应该如何处理？是重新召回一批已过滤之前用户看过的数据？
  3：在企业级使用的时候，是不是一般都是实时推荐计算+离线推荐计算并存？实际计算现在的flink能否达到spark的效果？
  最后再次感谢老师百忙之中的耐心回答。

• 龙虾三少 回复 提问者 慕仔2266098 #2

  冷启动一般都用规则推荐，不用算法，第二个问题一般用缓存，一次性搞许多条，然后内存里分页，第三个问题是有实时加离线并行的