召回作为整个推荐系统的第一个环节，承担着极其关键的作用，在从全集内容中筛选出用户可能感兴趣子集的同时，又需要保证推理的高效。图神经网络在这两方面具有得天独厚的优势，我们可以利用图中蕴含的高阶结构关系，结合已有的属性信息，得到节点全面而精准的向量表示，应用于后续的召回。快手平台不同场景下的视频推荐特点和需求各有不同，基于图神经网络的召回方式在各个场景具体是如何应用的，又有哪些已优化或者亟待解决的问题？本文将结合实际场景的实现和优化进行介绍。

具体内容包括：

  • 短视频推荐背景

  • 基于图的I2I召回流程设计

  • 实际场景优化

  • 未来展望

内容中包含的图片若涉及版权问题，请及时与我们联系删除