召回10：地理位置召回、作者召回、缓存召回

本博文引自王树森老师推荐系统。
视频地址：召回10：地理位置召回、作者召回、缓存召回_哔哩哔哩_bilibili
课件地址： https://github.com/wangshusen/RecommenderSystem

前面几节课讲解了几种最重要的召回通道，这节课简单介绍我们小红书用到的其他几种召回通道，这几条召回通道很有用，但是重要性不高。

地理位置召回

GeoHash召回

有一类是根据用户所在的地理位置做召回。
GeoHash召回属于地理位置召回。之所以用这条召回通道，是因为用户对自己附近的人和事感兴趣，推荐系统应该出一些用户附近的内容。
系统维护一个地理位置GeoHash索引。GeoHash，意思是把经纬度编码成二进制哈希码方便检索，如果你不懂GeoHash的话，可以去搜一搜，网上有很多讲解，这里你就当GeoHash表示地图上一个长方形的区域。
索引是这样的，从GeoHash到优质笔记列表，也就是说以GeoHash作为索引，记录地图上一个长方形区域内的优质笔记笔记列表，按照时间顺序倒排，最新的笔记排在最前面。做召回的时候，给定用户的GeoHash，会取回这个区域内比较新的一些优质笔记。这条召回通道没有个性化召回纯粹只看地理位置，每次召回本地的一批优质笔记，完全不考虑用户兴趣。就是因为没有个性化，我们才得用优质笔记，笔记本身质量好，即使没有个性化，用户也很有可能会喜欢看，反过来既没有个性化，也不是优质笔记，那么召回的笔记大概率通不过粗排和精排。

看一下GeoHash索引的示意图，圈出来的是GeoHash，每个GeoHash都表示地图上一个长方形的区域，每个GeoHash后面都有一个笔记列表，意思是定位在这个地理位置的优质笔记，这个列表包含k篇优质笔记，排在最前面的是最新的笔记。

GeoHash召回很简单，如果用户允许小红书app获取用户定位，那么就根据用户定位的GeoHash，取回该地点最新发布的k篇笔记，至于这些笔记当中有哪些符合用户的兴趣呢，会留待排序模型决定。

同城召回

刚才介绍了，GeoHash召回原理是用户对自己身边发生的事感兴趣，同城召回的原理是一样的，唯一的区别就是用城市作为索引，做召回的时候，根据用户所在的城市和曾经生活过的城市做召回，这条召回通道也没有个性化。

作者召回

关注作者召回

前面讨论了地理位置召回，下面讨论作者召回，意思是如果你对一个作者感兴趣，系统就会给你推这个作者发布的新笔记。
带社交属性的推荐系统都会有关注作者这样一个召回通道，假如我在小红书上关注老梁，以后推荐系统就会时不时的给我推送老梁发布的视频，尤其是在有新视频发布的时候。
系统维护两个索引，一个是用户到关注的作者，另一个是作者到发布的笔记，笔记的列表是按照时间顺序倒排的，也就是说新发布的笔记排在最前面。
现场做召回的时候，给定用户ID找到他关注的所有作者，再取回每个作者最新发布的笔记，这样就得到了一批笔记。

有交互的作者召回

一种类似的召回通道是有交互的作者召回，原理是这样的：如果用户给一篇笔记点赞，收藏或者转发，说明用户对该作者的笔记感兴趣。举个例子，我在小红书上碰巧看到玉石加工的视频，我觉得很有意思，我看完了还点个赞，我没有买玉石或者收藏玉石的打算，所以我不会关注这些作者，但给我推送这些作者新发布的玉石雕刻的视频，我很有可能会看完，所以即使我不关注作者，也应该继续给我推送他的视频。
系统维护的索引是从用户ID到有交互的作者列表，作者列表需要定期更新，最简单的策略就是保留最近交互的作者，删除一段时间没有交互的作者。在线上做召回的时候，要用到索引，给定用户ID，用索引找到有交互的作者，然后召回每个作者最新的笔记，这样就得到很多篇笔记。

相似作者召回

另一条召回通道是相似作者召回，想法是如果用户喜欢某位作者，那么用户可能会喜欢相似的作者，系统需要维护一个从作者到相似作者的作用。
作者相似性的计算类似于ItemCF，如果两个作者的粉丝有很大的重合，那么就判定两个作者相似。
线上做召回的时候，给定用户ID，找到他感兴趣的作者，感兴趣的作者包括用户关注的作者，以及用户有交互的作者。利用索引找到每个作者相似的一批作者，最后取回每个作者最新的一篇笔记，这样就召回了很多篇笔记。假设记录每个用户感兴趣的n个作者，每个作者有k个相似作者，那么一共有n×k个相似作者，取回每个作者最新的一篇笔记，那么一共召回了n×k篇笔记。

缓存召回

最后我介绍缓存召回，缓存召回的基本想法是复用之前n次推荐系统精排的结果。
背景是这样的：在我们小红书，精排输出几百篇笔记，送入重排；重排做多样性的随机抽样，比如用DPP从几百篇笔记中选出几十篇曝光给用户，也就是说精排的结果有一大半没有曝光，被浪费掉。这很可惜，好不容易走完召回粗排精排流程，只是碰巧随机抽样没有抽到，所以没有被曝光，应该想办法把这些笔记重新利用起来。
我们小红书大致是这样做的，按照精排的分数做排序，排到前50，但是没有曝光给用户的，不要浪费掉，而是缓存起来作为一条召回通道，下次用户刷小红书的时候，把缓存里的笔记取出来，作为一路召回的结果，精排排到前50的都是用户非常感兴趣的笔记，值得再次尝试。

这种缓存召回有个问题，缓存大小是固定的，比如最多存100篇笔记，每次就召回这100篇笔记。由于缓存大小固定，那么就需要退场机制，确保缓存里最多有100篇笔记。
有很多条规则作为退场机制，比如一旦笔记成功曝光给用户，那么就要从缓存中退场；如果超出了缓存大小，就移除掉最先进入缓存的笔记；每篇笔记最多被召回十次，达到十次就退场；每篇笔记最多保存三天，时间达到三天就退场。
这些都是最简单粗暴的规则，在这些规则的基础上，还能再细化规则，举个例子，假如想要扶持曝光比较低的笔记，那么可以根据笔记的曝光次数来设置规则，让低曝光的笔记在缓存里存更长的时间。

总结

最后总结一下这节课的内容，这节课介绍了三大类，一共六条召回通道，这些都是工业界实际在用的，只不过它的重要性比不上item cf swing双塔那些召回通道.
地理位置召回，包括GeoHash召回和同城召回，之所以用这种召回通道，是因为用户对自己附近的人和事感兴趣。
我介绍了三条作者召回通道，包括关注的作者，有交互的作者，还有相似的作者，我们把这些作者创作的内容推荐给用户。
最后我讲了缓存召回，意思是把精排中排名高，但是没有成功曝光的笔记缓存起来，再多尝试几次。