Efficient Swing Computation for Retrieval in Large-Scale Recommender Systems
论文解决Swing相似项召回在高频物品上计算成本过高的问题,提出ASC近似计算和K-ASC候选生成、成对细化算法,并用集合交集优化降低开销。在8个真实图数据集上评估;MAG图的Top-100结果精确率超过99.9%,平均耗时约1.5毫秒,精确算法约8.5秒。
INSIGHT对UGC社区可将点击、收藏形成的用户—帖子图用于相似内容召回,再与文本语义召回融合,重点借鉴按误差与候选边界分配计算。99.9%描述近似结果对精确Swing的保真度,不代表用户相关性或CTR;线上收益需用真实搜索流量独立评估,并核算图存储与分片成本。