• i2i：根据商品积累的用户点击行为，计算item-item的用户共现点击得分，作为i2i的相似度。
• x2i：这里的x可以是商品的tag、class、brand、query、pool_ids等，根据用户全域的行为构建用户偏好，对商品标题信息进行分词，以及用户的tag，class，品牌，搜索场景下对应query等，最终构建倒排索引进行检索。
• 深度召回：主要通过深度网络模型，来预测用户与商品的相似性。模型分别计算出用户侧向量与商品侧向量，在线检索时，根据用户侧向量，通过向量引擎完成ANN检索出topK个商品。
算分引擎
算分引擎的作用，是将输入的待打分候选商品集，关联上商品特征，并结合用户的特征，通过深度网络模型的计算执行，完成候选商品集中每一个商品对该用户的个性化预测得分。这里我们提供了一个包含ctr、cvr与互动的多目标算分模型，满足了大多数场景的个性化需求。 此外，我们将算分排序模型的输入输出进行标准化，也提供了模型定制化的能力。有些场景不太适应通用的多目标模型，可遵循协议将模型接入，每一个模型具备一个唯一的标识biz_name，场景配置上选择该biz_name即可。
