在傳統推薦系統中，為了降低延遲，因此經典做法是先做粗顆粒度的商品召回，也就是從大規模商品中取出一部份該用戶可能感興趣的子集合，然後第二階段從這些商品進行排序。京東提出了新的索引聯合訓練模型，將群集中心參數化，並提前計算好參數的碼距，檢索階段只需查找而無需計算相似性，大幅提升了推薦系統效能
https://mp.weixin.qq.com/s/1SJoG6N-yMtkVlCYUl4HaQ
Search
在傳統推薦系統中，為了降低延遲，因此經典做法是先做粗顆粒度的商品召回，也就是從大規模商品中取出一部份該用戶可能感興趣的子集合，然後第二階段從這些商品進行排序。京東提出了新的索引聯合訓練模型，將群集中心參數化，並提前計算好參數的碼距，檢索階段只需查找而無需計算相似性，大幅提升了推薦系統效能
https://mp.weixin.qq.com/s/1SJoG6N-yMtkVlCYUl4HaQ