# Summary
**多路召回融合**就是用多种不同的方法同时去找候选结果，然后把这些结果合并起来。就像"多管齐下"找东西，每种方法都有自己的特长。
```Java
用户搜"火锅" + 位置在北京朝阳
↓
├── 地理位置召回：3公里内的火锅店（保证距离）
├── 文本召回：店名/菜品含"火锅"（保证相关）
├── 质量召回：评分4.5+的火锅店（保证体验）
├── 个性化召回：你常去的连锁品牌（海底捞）
├── 协同召回：朋友去过的火锅店
├── 新店召回：最近开业的火锅店（增加新颖性）
└── 实时召回：当前有优惠活动的店
↓
融合 → 去重 → 精排 → 展示
```
## 通俗理解
想象你在**淘宝搜"运动鞋"**，系统不会只用一种方法找商品：
```Java
用户搜索："运动鞋"
↓
同时启动多条召回路径：
├── 路径1：文本匹配 → 找标题含"运动鞋"的
├── 路径2：用户历史 → 你浏览过的品牌（Nike、Adidas）
├── 路径3：协同过滤 → 买过运动鞋的人还买了啥
├── 路径4：热门商品 → 最近卖得火的运动鞋
├── 路径5：向量召回 → 语义相似的（跑步鞋、篮球鞋）
└── 路径6：个性化 → 基于你的消费水平和风格偏好
↓
融合所有结果 → 去重 → 排序 → 展示
```
## 为什么要多路召回？
**单一召回的问题：**
- 文本匹配：错过"跑鞋"、"球鞋"这些同义词
- 协同过滤：对新商品无效（没有购买历史）
- 热门推荐：缺乏个性化
- 向量召回：可能偏离用户真实意图
**多路召回的优势：**
- 提高覆盖率（不同角度都能找到）
- 平衡各种需求（相关性、新颖性、个性化）
- 容灾能力（某一路失效不影响整体）
# Cues
# Notes