第201章 展博的代码知音（第3页）

乔卫东说，“但真正决定推荐效果的，往往是前面的召回阶段。

如果召回池里没有好东西，再怎么精排也排不出花来。”

展博猛点头：“对对对！

我们cto也说过这话！

但召回怎么做？我们试过ItemcF、UsercF，效果都一般……”

“试试多通道召回。”

乔卫东在纸上又画，“一条通道做协同过滤，一条通道做内容匹配，一条通道做热点补充，还有一条……做探索。

最后用一个简单的模型做融合，把各通道的结果汇总到召回池里。”

他边说边写，思路清晰得像在说今天吃什么。

展博赶紧打开笔记本，疯狂记录，生怕漏掉一个字。

“探索通道很重要。”

乔卫东强调，“现在的推荐系统太‘功利’了，只推用户可能点击的，导致信息茧房越来越严重。

得适当推一些用户可能喜欢但没接触过的内容，打破茧房。”

展博停下笔，若有所思：“这个思路……我们产品经理肯定喜欢。

他一直说要增加推荐的多样性……”

“技术要为产品服务。”

乔卫东说，“但也要有前瞻性。

我猜，你们接下来应该会做多模态推荐吧？把图像、文本、视频都融合进来。”

展博瞪大眼睛：“您怎么知道？这是我们下一个季度的规划！”

“趋势而已。”

乔卫东笑，“现在纯文本的推荐已经到瓶颈了，多模态是必然方向。

不过要做好不容易，跨模态对齐是个大问题。”

“对对对！”

展博激动起来，“我们就在为这个头疼！

图像特征和文本特征怎么对齐？用什么损失函数？”

“可以试试cLIp那套思路。”

乔卫东说，“用对比学习，拉近相关图像和文本的距离，推开不相关的。

不过具体到推荐场景，得做一些调整……”

他又讲了十几分钟，从技术细节讲到工程实践，从算法优化讲到系统架构。

展博听得如痴如醉，笔记本上记满了密密麻麻的要点。

讲完后，乔卫东问：“听懂了吗？”

展博用力点头：“听懂了！

而且……我有种醍醐灌顶的感觉！

乔先生，您太厉害了！

这些思路，比我们公司那些资深架构师都超前！”

“只是站在巨人的肩膀上。”

乔卫东谦虚地说。

本章未完，点击下一页继续阅读