# Summary
# Cues
# Notes
## 粗召回阶段
粗召回的目标是从海量数据中快速筛选出相关候选集，通常召回数百到数千个结果。
**常用方法：**
1. **[[倒排索引]]检索**
- 基于关键词匹配，使用TF-IDF、BM25等算法
- 支持布尔查询、短语查询等
- 速度极快，适合处理海量数据
2. **[[向量检索]]**
- 使用预训练的embedding模型（如BERT、Word2Vec）将查询和文档编码为向量
- 通过近似最近邻搜索（ANN）快速找到相似文档
- 常用索引：HNSW、IVF、LSH等
- 能捕捉语义相似性
3. **[多路召回](多路召回.md)策略**
- 同时使用多种召回方法（关键词、向量、协同过滤等）
- 每路召回不同数量的候选
- 最后合并去重
4. **缓存和预计算**
- 对热门查询进行缓存
- 预计算常见查询的结果集