主流召回模型的架构与适用场景
哪些公司问过
答案要点
- 协同过滤与矩阵分解:基于交互共现,适合行为丰富场景,冷启动弱
- 双塔向量召回:用户塔、物品塔分别编码,ANN 检索,适合大规模低延迟
- 序列召回如 GRU4Rec、SASRec 建模动态兴趣,多兴趣模型输出多个用户向量
- 图召回如 PinSage 利用高阶关系,适合关系丰富的平台
- 工业中常多路召回并行,合并去重后送入排序
易错点
- 把召回和精排的目标混淆,召回重覆盖和速度
- 只列模型名,不讲各自适用场景
- 忽略双塔 batch 内负采样的流行度偏差
面试官常见追问
- 双塔有哪些固有缺陷?
- 只改双塔结构,如何提升长尾物品表征?
- InfoNCE 的温度系数有什么作用?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。