摘要：信息技術(shù)的快速發(fā)展導(dǎo)致信息過載.推薦系統(tǒng)是解決信息過載最有效的方式之一.近年來,深度學(xué)習(xí)的快速發(fā)展也帶動了推薦系統(tǒng)的進(jìn)步,各種深度推薦算法層出不窮.然而由于候選物品數(shù)量巨大且用戶興趣動態(tài)變化,深度推薦算法的推薦復(fù)雜度巨大,難以在實際系統(tǒng)中單獨使用.在深度推薦技術(shù)發(fā)展的同時,物品召回技術(shù)(也稱近似搜索技術(shù))也有了較大的發(fā)展與進(jìn)步.本文先介紹基于距離最小化的物品召回的研究進(jìn)展,再從向量索引、局部敏感哈希、哈希學(xué)習(xí)、向量量化四個方面來深入探討基于內(nèi)積最大化的物品召回技術(shù)的研究進(jìn)展.