架构 - 问答推荐系统设计
2025-09-03 20:22:49 0 举报问答推荐设计：数据多路召回，数据关键词tfidf，数据向量vector，相似度计算embedding，最后使用缓存和评分来获取动态有意义的推荐数据。 问答场景的设计也可以迁移到博客，知识库，热搜相关领域。
作者其他创作
大纲/内容
热门矩阵管理
问题x1
多轮会话
{\"behave_class\": \"news\
> length
推荐（问答）系统考虑设计：1. **整体架构考虑**：离线任务，实时召回2. **召回策略**：多路方式召回隔离3. **排序策略**：如何综合各种因素进行排序（包括向量相似度）4. **存储与计算**：使用多种算法，使用PostgreSQL提高向量相似度计算5. **综合评分**：多路动态权重使用，结合多种特征进行最终评分粗排
pg 批量计算
td-idf
离线计算
问题推荐服务
全局热门（所有用户）
用户提问
用户追问...
公用配置产品层面 - 类别模板问题
探索策略 - ε-贪婪
财务
确定边界
AI回答
资讯
游览过的内容
相关问题 上下文管理
长时效热门矩阵
问题A → 经常与问题X一起被查看的问题
点赞过的内容
动态权重机制 - w
降级
用户会话主要意图
行情
相关问题列表
热门数据召回
问题请求
基于当前内容召回
协同召回
临时用户会话缓存
问题x2
是否合法
问题xn
用户A喜欢的问题 → 与用户A相似用户B喜欢的
基于用户行为召回
短时效热门矩阵
时效热门（近期热门）
cos_score
历史行为
分类热门（意图 - 已生成问题）
实时计算
系统提示
0 条评论
下一页
