当你打开一个资讯APP刷新闻时，有没有想过，系统是如何迅速推送给你你想看的内容？资讯APP背后有一个巨大的内容池，系统是如何判断要不要将某条资讯推送给你的呢？这就是笔者今天想跟大家探讨的问题——推荐策略中的召回。
召回是什么
推荐系统如何根据已有的用户画像和内容画像去推荐，涉及到两个关键问题：召回和排序。
“召回(match)”指从全量信息集合中触发尽可能多的正确结果，并将结果返回给“排序”。
召回的方式有多种：协同过滤、主题模型、内容召回和热点召回等，而“排序(rank)“则是对所有召回的内容进行打分排序，选出得分最高的几个结果推荐给用户。
图1 推荐系统的算法流程
在搜索系统中，用户会输入明确的搜索词，根据搜索词进行内容的召回和呈现即可，但在推荐系统中，用户没有一个明确的检索词(Query)输入，推荐系统需要做的，就是根据用户画像、内容画像等各种信息为用户推荐他可能感兴趣的内容。
另外，由于没有明确的检索词，推荐系统就需要从整个信息集合中挑选出尽可能多的相关结果，同时又需要剔除相关性较弱的结果，降低排序阶段的工作量。
怎样的召回策略是好的
召回策略的评估主要根据两个评价指标：召回率和准确率。
召回率(Recall)=系统检索到的相关内容 / 系统所有相关的内容总数准确率(Precision)=系统检索到的相关内容 / 系统所有检索到的内容总数。
以搜索为例，当用户搜索“北京大学”时&#x