2. 快速候选召回¶
召回是推荐漏斗的第一个环节，需要在有限延迟内从海量候选中筛选出千级规模的初选集合，为后续排序提供高质量输入。本章沿着技术演进的脉络，分五节展开：协同过滤（2.1节）从用户-物品交互矩阵出发建立相似性，并通过矩阵分解引入向量化表示；I2I召回（2.2节）将序列建模思想从NLP迁移到推荐场景，学习物品间的相似性向量；双塔模型（2.3节）将用户和物品分别编码为向量，实现高效的U2I匹配；序列召回（2.4节）利用行为的时间顺序捕捉用户兴趣的多样性和动态变化；流式索引召回（2.5节）从结构层面突破压缩机制和静态索引的局限。