推荐系统术语速查

推荐系统用于在大量内容或商品中，为用户排序出可能感兴趣的结果。短视频、电商、新闻、音乐和广告系统都大量使用推荐技术。

基础对象

User，用户：产生行为的人或账号。

Item，物品：被推荐的内容，例如商品、视频、文章、歌曲。

Interaction，交互：用户对物品的行为，例如点击、购买、收藏、停留、点赞。

User Profile，用户画像：用户兴趣、属性、历史行为的表示。

常见方法

Collaborative Filtering，协同过滤：根据相似用户或相似物品推荐。

Content-based Recommendation，基于内容推荐：根据物品标签、文本、图片等内容特征推荐。

Embedding，向量表示：把用户和物品表示成向量，用相似度进行匹配。

Ranking，排序：对候选物品按预测兴趣或业务目标排序。

评估指标

CTR，点击率：曝光后被点击的比例。

CVR，转化率：用户完成购买、注册等目标动作的比例。

Recall，召回率：系统找回相关物品的能力。

NDCG：衡量排序质量，越相关的内容排越前得分越高。

工程流程

推荐系统通常分为召回、粗排、精排、重排。召回负责从海量物品中找候选，精排负责更准确排序，重排负责多样性、去重和规则控制。

易混淆点

点击率高不一定用户满意，标题党也能提高点击。推荐系统不仅优化模型指标，还要考虑多样性、公平性、冷启动和长期留存。

使用建议

设计推荐时，要明确目标是点击、购买、学习完成率还是用户满意度。不同目标会导向不同排序策略，不能只看一个指标。