推荐系统召回总览：漏斗定位、8 大召回家族、Recall@K / Coverage 与 SSB 铁律

这是「推荐系统系列」的开篇。这个系列会把一套能跑的推荐链路——召回 → 排序 → 过滤 → 重排 → 全链路评估——从直觉到代码逐段讲透。本篇先用一个统一比喻建立**召回（recall / candidate generation）**的整体心智模型：它在系统里管什么、不管什么、怎么评估、有哪些流派。后续每一篇再逐一深挖：ItemCF 协同过滤、热门召回、双塔召回、多路融合 RRF、排序精排、过滤与重排、全链路离线评估。

Table of contents

一句话理解

召回 = 录像带出租店里的「挑片员」。从全店 1 亿部片（工业界规模）里，几十毫秒帮你粗筛出 200 部候选，交给后面的「老板」（排序）精挑细选。

它管「不能漏掉你的真爱片」，不管「哪部更好看」——那是老板的活。

一旦挑片员没把对的片放进 200 部名单里，后面老板再会挑也救不回来。

1. 召回在整个系统里的位置（漏斗）

全链路是一层层收窄的漏斗：召回负责「大海捞针不漏片」，排序负责「精挑细选排对序」，重排负责「兜底与调味」。

关键洞察：召回这步只问「在不在候选集里」，根本不在乎排第 1 还是排第 200。这就是它跟排序的本质区别。

2. 召回的 3 个 KPI = 挑片员的 3 个考核

注意：召回不评 NDCG——排序会把 200 部全打散重排，你召回内部排第几，根本不重要。

3. 8 大召回家族 = 8 种「挑片员流派」

每种都是真实业务里的一类召回算法：

真实平台同时跑 6–12 种——每种擅长不同场景，互相补盲。冷启动相关的召回策略详见冷启动问题。

4. 三个最核心的玩法，用大白话讲清楚

4.1 ItemCF — 「口碑老挑片员」

逻辑：
  「你之前租过《美国往事》《教父》都看得很过瘾」
  「历史上，喜欢这两部的人也大都喜欢《华尔街之狼》」
  「→ 把《华尔街之狼》推给你」

完全不看《华尔街之狼》讲了啥、谁演的——只看「历史上有没有跟它常被同一批人一起喜欢的片，正好你也喜欢」。

公式 1 行就能写：

两部片有多像 = 「同时喜欢两部的客人数」 / √（喜欢 A 的人 × 喜欢 B 的人）

致命弱点：新片还没人租过 → 算不出相似度 → 永远召不出来（冷启动）。展开细节见 ItemCF 协同过滤。

4.2 双塔 — 「气质速配」

用户塔 → 把你（年龄、爱好、最近看过的片）→ 压成 128 个数字（向量）
物品塔 → 把每部片（类型、年代、主创、简介）→ 也压成 128 个数字

  把两个向量塞进同一个「气质坐标系」（同一个向量空间）
        ↓
  向量靠得近 = 越对味

训练目标：让「历史上你看了并喜欢的片」向量靠近你，没看 / 不喜欢的离远。

关键设计：两个塔互相不能偷看对方的资料——否则你就没法离线把全库片的向量都算好。一旦「得看见你才能算出片的向量」，1 亿部片每次都要重算，毫秒级响应做不到。

离线（每晚跑一次）：
  → 把 1 亿部片的向量都算好，建索引

在线（你刷新一次）：
  → 算一下「你」的向量（你的塔，毫秒级）
  → 去索引里找最近的 200 个向量
  → 完成，p99 < 30ms

为什么这是工业界标准：YouTube DNN 2016 年提出，10 年了基本没换过框架。完整拆解见 双塔召回。

4.3 ANN — 「片库的卡片柜」

问题：1 亿张片卡，你拿一张「你」的卡片去找最像的 200 张
  暴力法：1 亿张卡片一张张比 → 几分钟 → 不可能
  ANN 法：先按「楼层 → 分类 → 货架」导航 → 只跟某个小货架的卡片比 → 30ms 搞定

代价：偶尔会漏掉真正最相似的（比如它在另一个货架）。

收益：1000 倍速度提升。99% 召得到 vs 100% 但慢 1000 倍——业务永远选前者。

主流算法：HNSW（最常用）、IVF + PQ（最省内存）、FAISS（最常用的库）。

5. 多路融合 — 「请 6 个挑片员并行选片」

没有一路召回能覆盖所有场景，所以平台同时跑多路，各管一摊，再用 RRF 融成一份名单。

为啥不能只靠 1 个挑片员？

怎么融合 6 个挑片员的名单？

最常用是 RRF（也是 recsys-mini 现在在用的）：

每个候选的最终分 = Σ  1 / (60 + 它在第 N 个挑片员的排名)

翻译人话：只看每个挑片员把你排第几，不看打了几分。这样不同挑片员的「打分体系」不一致也不影响。RRF 的完整推导见 多路召回融合。

6. 三个最常踩的评估坑

坑 1：召回阶段看 NDCG 没意义

召回只问「在不在 200 部里」
NDCG 是「排第几」
→ 你召回内部排第几，排序会全部打散重新排
→ 看 NDCG 等于自欺欺人

正确做法：召回阶段只看 Recall@K + Coverage。

坑 2：Coverage 高 ≠ 候选多样

6,000 个用户，每人 200 个候选
总共覆盖 70% 的物品  ← 看似不错
但每个用户的 200 个候选可能高度雷同  ← 用户体验仍然单调

正确指标：要看 每个用户列表内的 ILD（Intra-List Diversity）。

坑 3：K 一变，指标就不可比

A 模型 Recall@10  = 6%
B 模型 Recall@200 = 50%
→ 这不能比！K 不一样

铁律：对比模型，K 必须固定。这是最常见的「伪提升」陷阱。

7. 一个隐藏的大坑 — SSB

SSB = Sample Selection Bias（样本选择偏差）。

场景：

昨天：店里只用「老挑片员 + 兜底」挑片
      → 老板打分系统就是基于「这些候选」训练的

今天：你给店里升级了「气质速配（双塔）」
      → 候选的分布完全变了（多了一堆从没推过的片）
      → 老板之前训练的打分体系不再适用
      → 排序质量暴跌

解决：任何一次召回升级，都必须重新训练排序。这是 recall ↔ ranking 的「耦合契约」，跑不掉。这条铁律会在 双塔召回 和 排序精排 里反复出现。

8. 一个可跑的召回基线

用 MovieLens-1M 搭的教学级推荐系统 recsys-mini，当前召回路线：

召回路线：
  ItemCF + Popular  →  RRF 融合  →  Recall@200 = 50.20%

TL;DR — 三句话

1. 召回 = 挑片员，排序 = 老板。 召回宁可多搬 200 部片上桌（高 Recall@K），也别漏掉你的真爱片（漏了老板救不回来）。

2. 现代召回 = 双塔 + ANN 是主力。 双塔把用户和物品都压成向量，ANN 让 1 亿候选里秒找 200。这是过去 10 年没变过的工业界标配。

3. 多路并行召回 + RRF 融合 + 重训排序，是一套「系统工程」。 没有一种召回路能 cover 所有需求，所以平台同时跑 6–12 路。每次召回改了，排序必须重训——这是 SSB 的铁律。

对照表 — 比喻 ↔ 术语

下一篇进入召回的第一路、也是最经典的一路——ItemCF 协同过滤：一本 25 年前的「老账本」，凭什么今天还在抖音、淘宝、Netflix 的召回里活蹦乱跳。