在推荐系统领域,阿里提供许多可以参考的模型和方向,我自己在看的时候会忍不住都尝试一遍,因为从论文的角度的来说,这些方法或许都能得到好的结果。
但是这些模型真的都适用嘛?这也是我一直困惑的地方,最近看了推荐系统领域王喆大佬的文章
推荐系统中比模型结构更重要的是什么?[附阿里盖坤,朱小强留言]
https://zhuanlan.zhihu.com/p/73601088
觉得模型是否适合,与数据、参数、场景都有很大的关系。
在我的实践过程中,item2vec,graph embedding 的效果不见得比最基础的itemCF,UserCF效果好,我也问过大佬,当时得到的回答是,可能数据稀疏不适合embedding,还有就是传统的CF可解释性更强。
加上我自己在购物车领域用到C2C的召回,在其他场景不一定是适用的。
选取文章的一段话:
在构建推荐系统模型的过程中,从应用场景出发,基于用户行为和数据的特点,提出合理的改进模型的动机才是最重要的。
换句话说,推荐系统模型的结构不是构建一个好的推荐系统的“银弹”,真正的“银弹”是你对用户行为和应用场景的观察,基于这些观察,改进出最能够表达这些观察的模型结构。