带你读《2022技术人的百宝黑皮书》——SIGIR2022 | 流行度偏差如何利用？ 探索解耦域适应无偏召回模型(5) https://developer.aliyun.com/article/1246999?groupCode=taobaotech
在线服务 线上服务时我们使用BE提供的向量检索进行召回，为了同时考虑无偏分数（用户真实兴趣）和有偏分数（用户从众心理），线上的用户向量
和商品向量 
的生成方式为：
其中，
， 表示流行度偏移权重，
和 
的内积就可以看作是有偏模型和无偏模型分数的加权求和：
。
实验部分
离线实验
指标说明：我们定义了一个模型召回结果的集中度衡量指标
来衡量召回结果中热门商品的占比：
其中， 
表示召回的商品集合， 
表示热门商品集合。下表是离线指标对比，可以看出在长尾商品的指标和集中度都有所改善。
带你读《2022技术人的百宝黑皮书》——SIGIR2022 | 流行度偏差如何利用？ 探索解耦域适应无偏召回模型(7) https://developer.aliyun.com/article/1246997?groupCode=taobaotech
