01

60 秒回答模板

主流推荐算法不是单一模型。召回层常见有热门召回、协同过滤、ItemCF/UserCF、内容向量召回、双塔召回、图召回和规则召回；排序层会用 LR、GBDT、Wide&Deep、DeepFM、DIN/DIEN、双塔或多任务模型预测点击、完播、收藏和转化；重排层处理多样性、去重、频控、探索和冷启动。视频更重视时长、完播、画面和作者，音乐更重视歌手、曲风、音频、歌词和听歌场景。

考点 召回排序重排
难度 真实面经题
回答目标 讲清方法、取舍和追问
02

深入解析

01

按链路分层回答

推荐系统一般分召回、粗排、精排、重排，不同层的算法目标不同。召回追求覆盖和速度，精排追求效果，重排负责体验和业务约束。

02

召回算法覆盖候选

常见召回包括热门召回、协同过滤、相似 item、用户兴趣标签、双塔向量召回、图召回和内容召回。视频和音乐都需要多路召回避免单一通道偏置。

03

排序模型做多目标预测

排序层会结合用户、内容、上下文和交叉特征，预测点击、完播、停留、收藏、分享、转化等目标。深度模型适合学习复杂交叉，但要受延迟预算约束。

04

内容理解各有侧重

视频推荐会看画面、标题、作者、标签、时长、互动和完播；音乐推荐会看歌手、曲风、歌词、音频 embedding、情绪、节奏和听歌场景。

05

重排修正体验问题

最终列表还要做多样性、去重、频控、探索、冷启动和内容安全。否则模型可能持续推荐相似内容，造成审美疲劳或马太效应。

03

易错点

  • 不要只列协同过滤，现代推荐还包括向量召回、深度排序和重排策略。
  • 不要只看点击率，视频和音乐都需要消费质量指标。
  • 不要忽略内容特征，音视频推荐比纯结构化商品更依赖多模态理解。
04

面试官追问

ItemCF 和双塔召回有什么区别？

ItemCF 依赖行为共现，双塔通过向量学习用户和物料表示，更容易融合内容特征和泛化到长尾。

视频推荐为什么看完播率？

点击只能说明入口吸引，完播和停留更能反映内容消费质量，但也要避免偏向短视频或低价值内容。

音乐推荐冷启动怎么做？

可用歌手、曲风、歌词、音频特征、热门兜底和小流量探索为新歌建立初始曝光。