如何确定推荐中各模块召回的比率

假设三个召回,  A，B，C
如果初期认可的程度是重要性也是A>B>C，那么按照：3:1:1进行召回，考虑有一些可能会没有召回
a)如果上一个召回没有，由下一个召回补充，比如：  A没有数据，那么B补充，B没有数据，由C补充，C没有，直接由A女性补充
b)如果A，B是主召回，C是候选召回，那么如果A和B的召回不够的情况下，由C召回

推荐到首页的情况下，要将当前从那个召回推荐出来记录下来，如果一个记录由二个源推出来，也都要记录，然后评估每个召回的点击率
如果推出的为3:1:1的比率，如果总计推出20条(12:4:4)，点击数为：4,2,1，那么点击率为：1/3,0.5,0.25，按照点击率的配比来说，排序比率为： B A C，优化召回的情况下需要提高B召回比率，但是实际上并不是所有的从B推出的点击的概率都比A高，所以考虑多样性，只是通过改变比率调整，一般不会将另外的召回降低到没有

从整体来看，即使召回的时候，召回完成后的排序的位置，影响到第几屏，这个对点击率影响非常大，实际上在真正的推荐系统中，通过排序的算法就可以解决绝大多数召回中的召回的问题，总结来说，即使一个召回的数据很多，但是在排序的过程中位置很靠后，那么对于这个召回来说，几乎没有曝光机会，所以：排序做的话，召回的比率可以不怎么更改。

终极解决方案：排序的过程中就考虑召回模块，把从召回模块推荐出当成一个参数来进行模型训练，一劳永逸。

上线的实际情况是，看效果，看效果，看效果，有些时候人工定的配比不一定不行。

标签：推荐,如果,点击率,模块,召回,比率,排序
来源： https://blog.csdn.net/everlasting_188/article/details/100779249