# 离线生成vec进行实时推荐
1. 使用统一的向量化模型对数据进行向量化
    1. 或者自己按照用户和商品的行数据进行训练：维度以32和64为主：太大导致内容学习不准
    2. 在召回的内容上进行user:item的dot近邻查找能实现召回集上的冷启动和用户相似度的匹配
    3. 相似性和互补性：目标（CTR/CVR）：每一路满足不同的业务要求
    4. 向量结果KV存储：解决实时近邻检索的问题
2. 利用用户向量和物品向量可以解决的问题
    1. 用户相似
    2. 物品相似
    3. 用户推荐物品
    4. 广告推荐push