過去的首頁推薦更多的是在相關性推薦的單一數據目標上進行優化，如今天貓首頁的推薦系統不僅僅考慮推薦結果的相關性，還在推薦結果的發現性、多樣性等方面上做了更深度的優化，"效率和體驗並重"成為天貓首頁新的優化目標。Graph Embedding、Transformer、深度學習、知識圖譜等新的技術已先后在天貓首頁的推薦系統成功落地，為場景帶來了兩位數的點擊率提升和兩位數的疲勞度下降。
推薦框架
天貓首頁的個性化推薦系統可以分為召回、排序和機制三個模塊。其中，召回模塊主要是從全量的商品素材中檢索出用戶感興趣的 TopK 個候選商品，排序模塊專注於用戶對商品的 CTR 預估，機制模塊負責后期的流量調控、體驗優化、策略調控等和最終的商品排序。整個推薦系統采用 Graph Embedding、Transformer、深度學習、知識圖譜、用戶體驗建模等新的技術構建起來，如下圖為天貓首頁推薦系統的技術框架圖。
原文詳見：
https://yq.aliyun.com/articles/704401?utm_content=g_1000060605