大纲：
- 陌陌社交场景概述
- 模型化召回技术简介
- 模型化召回在陌陌的探索和应用
- 展望&思考
主场景分为 附件动态 以及 附件的人
附件动态： 内容消费 + 社交匹配
附近的人：
模型召回：
左侧： 表征能力有限 泛化能力不足
右侧： 基于embedding检索的召回
陌陌召回框架：
陌陌在召回阶段主要想要解决以下问题：
用户长期偏好， 用户实时偏好， 内容匹配性， 社交匹配性， 分发多样性
陌陌的推荐技术体系
对 （附件动态和附近的人）场景互动行为 click, like, comment, hi, follow, reply, profile 的建模学习
目标： 提高用户的场景互动，改善用户使用体验
用户场景偏好模型：
主要是利用 内容发布者 user 和 具体item 三项 来建模
loss的构造中： 对负样本采样加权？？？
将场景行为进行区分之后，有多目标偏好学习
构建全平台社交关系图：
用户社交关系图卷积模型 ：
负样本选择： hard-negative（拉黑关系） 和 batch-negative
对用户发布的图文信息进行挖掘 试图找出用户的实时兴趣
动态内容语义模型化召回 ：
