Swing 召回

思想：来源于传统的 CF：

• 如果多个 user 都只共同点了 i1 和 i2，那么其一定是强关联的，这种关联是通过用户来传递的；
• 如果两个 user pair 对之间构成的 swing 结构越多，则每个结构越弱，在这个 pair 对上每个节点分到的权重越低。

1 原理

Swing意为摇摆或者秋千，它是基于图结构的一种实时推荐算法。主要公式为：

$$Sim(i, j) = \sum_{u \in U_i \cup U_j} \sum_{v \in U_i \cup U_j} \frac{1}{\alpha + |I_u \cup I_v|}$$

结合前面的思想，公式表达的就是为了衡量物品 i 和 j 的相似性：考察都购买了物品 i 和 j 的用户 u 和 v， 如果这两个用户共同购买的物品越少，则物品 i 和 j 的相似性越高。

极端情况下，两个用户都购买了某个物品，且两个用户所有购买的物品中，共同购买的物品只有这两个，说明这两个用户兴趣差异非常大，然而却同时购买了这两个物品，则说明这两个物品相似性非常大！

区别：
icf：如果喜欢两个物品的交集用户越多，那么这两个物品间的相似度越高。
swing：如果同时喜欢两个物品的用户越多，且这些用户之间的重合度越低，那么这两个物品间的相似度越高。

2 计算步骤

在实际中计算的时候主要分为以下3步：

step0:计算用户的权重$w_u$

$$w_u = \frac{1}{(clkcnt + k)^{\alpha}}$$

其中：

• $k$：平滑作用的超参数，可根据具体业务效果确定，比如 5；
• $\alpha$：权重因子，越大对高活用户降权越狠，常用 0.35。

主要为了通过用户的行为数来衡量兴趣的分散度，从而给定用户行为 item 的权重。

注意在统计 clkcnt 的时候是不去重的。

step1:计算用户pair的权重

对于点击同 item 的每个 (u1,u2) 的 pair 对，其权重系数：

$$w_{pair} = w_{u1} * w_{u2}$$

stpe2:计算相似度

对于有被 (u1,u2) 用户 pair 对共同正反馈的 item pair 对(i,j)来说，其相似分：

$$Sim(i, j) = \sum_{pair}\frac{w_{pair}}{1+intersection}$$

其中 intersection 代表每一个用户 pair 对(u1,u2)的共同正行为 item 个数。

此处，分母中的 1 也是一个可调参数。

并且，分母中可以再引入一些权重参数，例如：

1. 两个用户对左右 item pair 的类目权重；（session内 当前类目点击数/全部类目点击数）
2. user 与 item 之间的连接数作为权重；

3 相关经验

这里披露部分实践中可能需要注意的模块。

1. 用户的筛选
主要为了保障数据的置信度，需要选择相对正常且行为有参考价值的用户。比如，行为数过少/过多的剔除，当然具体操作还是要结合业务逻辑。

2. 物料的筛选
也是出于同样的目的，当然这里是否操作的影响可能小一些。比如，物料的 pair 对过少的是否排除。

3. 简化计算
因为这里的 pair 是双向等价的，即 $(i1,i2)$ 和 $(i2,i1)$ 的相似度应该的相同。所以不论是 user 还是 item 的 pair 对，往往只需要构建单向的，最后构建倒排的时候，所有 $(i2,i1)$ 复用 $(i1,i2)$ 的相似度即可。

4. 增量更新
与很多召回算法一样，不论更新频率是多少（by day/hour 等），都需要考虑和历史数据合并的问题。这里也是类似的，可以将所有的 pair 先做增量合并，然后按照时间步数衰减合并新老相似度分，分数过低的可以选择截断淘汰。

参考文章：
【召回】swing 算法
一文看懂推荐系统：召回02：Swing 模型

---