推荐系统中，粗排和精排的区别是什么，粗排又应该怎样评估模型好坏？
2023-08-21 阅读 52
在推荐系统中，粗排和精排是两个不同的阶段。
粗排（又称为候选生成）是指根据用户的历史行为、个人信息等，从海量的物品库中生成一小部分候选物品集合。粗排的目标是尽可能地覆盖用户的兴趣领域，生成一个较大的候选集合，以便后续的精排阶段进行更细致的排序。
精排（又称为候选排序）是指对粗排生成的候选物品集合进行进一步的排序，以确定最终呈现给用户的推荐物品。精排阶段通常会使用更复杂的推荐算法，如协同过滤、深度学习模型等，以提供更加个性化和精准的推荐结果。
评估粗排模型的好坏可以使用一些指标，如召回率、准确率等。召回率衡量了模型能够找到用户真正感兴趣的物品的能力，准确率衡量了模型推荐的物品中有多少是用户真正感兴趣的。可以通过离线评估或在线A/B测试来评估模型的性能。离线评估使用历史数据进行模拟测试，而在线A/B测试则将不同的模型或算法应用于实际用户中，比较它们的推荐效果。
更新于 2023年08月21日
