为什么微信推荐这么快?( 五 )

  • SimSvr 支持导入带过期时间的数据 , 在现网召回过程中 , 实时淘汰过期的 key 以达到准确的召回要求 。
  • 6. 现网运营情况
    • SimSvr 目前已部署 160+ 个模型索引 , 使用逻辑核 8000+ , 总索引量超过 20 亿特征向量 , 广泛应用于视频号、看一看、搜一搜等推荐业务中 。
    • 搜一搜基于 SimSvr 建立小程序优质文章的向量索引 , 提升小程序文章搜索的优质结果召回率 。 新方案相比旧方案 , 优质结果召回率提升 7%;
    • 搜一搜使用 SimSvr 检索视频指纹 , 进行相似视频去重;单表索引量高达 1.7 亿 * 128 维 , 检索平均耗时小于 8ms , 日检索量 12.5 亿 。
    7. 总结
    随着推荐系统的强势发展 , 特征检索的使用场景越来越广泛 。 而作为基础组件 , 除了要拥有支持亿级索引的基本素养外 , 在功能特性上也需要不断迎合业务的发展 。 因此我们开发了 SimSvr , 搭配特征存储 FeatureKV , 在视频号、看一看、搜一搜等推荐系统中发挥了重要的作用 。
    出处: