推荐系统粗排&召回相关性优化的最新进展，java技术栈图

最新推荐文章于 2024-10-13 00:46:54 发布

A飞向太空

最新推荐文章于 2024-10-13 00:46:54 发布

阅读量325

点赞数

分类专栏：程序员文章标签：面试 java 后端

本文链接：https://blog.csdn.net/m0_65485255/article/details/122177573

版权

本文介绍了Facebook关于提高检索效率和召回率的最新论文，涉及DSSM模型、交互式DSSM模型以及预训练方法如ICT、BFS和WLP。文中探讨了如何在粗排阶段进行late fusion，并引用了ColBERT模型在提高召回率和计算速度上的贡献。同时，强调了在Java后端开发中应用这些技术的潜力。

摘要由CSDN通过智能技术生成

Facebook的paper（How to late fusion？），和上个paper的目的一致，怎么样进行late fusion，提高检索的效率，提高召回率。

PS：文中的截图均来自于上面三篇paper。。。

零、相关性之DSSM回顾

============

1）双塔DSSM模型

==========

推荐系统粗排&召回相关性优化的最新进展

双塔DSSM模型

query(context)和doc(candidate)独立进行建模，各自得到embedding，最后进行相似度度量（L2/cosine等）。在搜索/推荐或者其他相似性检索领域，召回侧可以使用faiss（乘积量化）或者nsg（基于图检索）等方式，对超大规模的doc embedding进行索引。具体使用的时候，由query embedding来召回topk的结果用于后续的排序侧。此外，在粗排的过程中，也可以基于这种方式快速计算相似度，作为特征之一。

2）交互DSSM模型

==========