召回方式

itemcf

usercf

商品的blip图向量相似召回

用户的序列召回(点击，浏览)：GRU4REC

用户的序列召回(点击，浏览)：实时相似召回

用户的点击序列通过word2vec的方式训练ic的embedding，基于用户的实时序列进行向量召回

MIND多兴趣召回：

模型结构如上，将历史行为序列输入动态路由网络层输出N个兴趣表征向量，每个兴趣向量分别和用户画像的Embedding concat，输入到relu神经网络，输出多个经过非线性变换的兴趣向量，输出的多个兴趣向量再和 Label Item做个Label-aware Attention，从多个兴趣向量中选择一个，最后通过 Softmax 层构建ug_emd。MIND 模型的线上部署可以分成两部分内容，一部分是生成用户的多兴趣向量，另一部分是通过多个兴趣向量进行向量检索。