大纲：
召回过程演进：
主要改进：
-
去掉map
-
去掉string
改进布隆过滤器：
日志回溯可视化帮助定位推荐流程
内容挖掘：
召回模型总览：
主要有 画像属性召回， 模型召回， 其他召回（热点， 地理）
四个迭代流程：
-
共线性 -- cf
-
属性向量化
-
深度表征（模型化召回）
-
因果纠偏
注意其中的问题 召回的几大问题：
- 负样本选择
- 无法引入交叉特征
- 需要debias
增加了序列attention
大纲：
召回过程演进：
主要改进：
去掉map
去掉string
改进布隆过滤器：
日志回溯可视化帮助定位推荐流程
内容挖掘：
召回模型总览：
主要有 画像属性召回， 模型召回， 其他召回（热点， 地理）
四个迭代流程：
共线性 -- cf
属性向量化
深度表征（模型化召回）
因果纠偏
注意其中的问题 召回的几大问题：
增加了序列attention
