重排是精排的后处理操作。
物品多样性
相似度度量
- 基于物品属性标签
- 基于物品向量表征
（1）双塔模型的物品塔，但是因为头部效应问题导致学不好物品向量表征
（2）基于图文内容学习
CLIP – 基于图文内容的物品向量表征
原理
对于图片-文本二元组数据进行对比学习，预测图文是否匹配。优点是：无需人工标注。参考文献《Learning Transferable Visual Models From Natural Language Supervision》和解读文章《对Connecting Text and Images的理解》。
正样本
同一个物品中的图片和文字二元组数据构成正样本。
负样本
同batch内，正样本的图片与其他样本的文字组成的二元组数据构成负样本。
MMR多样性算法
原理
MMR算法中需要计算两个物品的相似度，这个相似度计算就用上一小节提到的CLIP方法学习到的物品Embedding向量的余弦相似度计算即可。
步骤
滑动窗口解决S集合过大问题
核心思想就是只考虑待排列表中最后一个窗口范围内的物品无相似（多样性好）即可。
业务规则控制多样性
通常是MMR+规则控制多样性
DPP
数学原理
计算思路
求解方法
暴力方法
Hulu方法
DPP+滑动窗口
参考文献
公开课地址：GitHub
本文永久更新地址: https://notlate.cn/p/eb73eb0901934624/
?不是不是，一名苦瓜而已。
王晓博的徒弟？