做向量召回 All You Need is 双塔

最新推荐文章于 2024-08-21 15:36:44 发布

炼丹笔记

最新推荐文章于 2024-08-21 15:36:44 发布

阅读量404

点赞数

文章标签： python 机器学习人工智能深度学习大数据

本文链接：https://blog.csdn.net/m0_52122378/article/details/117555663

版权

本文介绍了双塔模型在工业界的广泛应用，特别是用于向量召回任务。双塔模型允许离线计算item的embedding并在线上计算user的embedding和相似度，适合实时性要求高的场景。文中提到了DSSM、YouTube双塔、EBR和莫比乌斯等经典模型，探讨了它们的特点和优化策略，如负样本选择、embedding融合等。双塔模型在实时性、效率和效果上展现出了优势。

摘要由CSDN通过智能技术生成

十方@炼丹笔记

对于基于向量召回，那就不得不提到双塔。为什么双塔在工业界这么常用？双塔上线有多方便，真的是谁用谁知道，user塔做在线serving，item塔离线计算embeding建索引，推到线上即可。下面我就给大家介绍一些经典的双塔模型，快速带大家过一遍，如果想了解细节，强烈建议看论文。

DSSM

先说双塔模型的鼻祖，这是微软在CIKM2013发表的一篇工作，它主要是用来解决NLP领域语义相似度任务的。word hashing真的是DSSM的骚操作了，不同于现有的RNN，Bert等模型，该方法直接把文本映射成了远低于vocab size的向量中，然后输入DNN，输出得到一个128维的低维语义向量。Query和document的语义相似度就可以用这两