如何做召回dssm,fm,Mind,youtube等模型

最新推荐文章于 2025-04-16 08:33:07 发布

小李飞刀李寻欢

最新推荐文章于 2025-04-16 08:33:07 发布

阅读量722

点赞数 2

CC 4.0 BY-SA版权

分类专栏： NLP与推荐算法文章标签：推荐算法召回模型 hit 召回深度学习

本文链接：https://blog.youkuaiyun.com/SPESEG/article/details/129790307

NLP与推荐算法专栏收录该内容

153 篇文章 ¥399.90 ¥499.90

订阅专栏

超级会员免费看

本文探讨了使用DSSM模型进行召回的可行性，将其拆分为user_model和item_model进行实验。同时，对比了FM、MIND和YouTubeDNN召回模型的性能，发现YouTubeDNN在hit@50指标上表现最佳，而SDM与YouTubeDNN效果接近。实验基于EasyRec和deepMatch框架进行，涉及数据处理、模型构建和评估指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DSSM可以用于粗排，而且其优化的目标就是CTR，因此做排序是自然而然的。但用来做召回也是可以的，因为可以将DSSM分割成user_model和item_model，然后user和item特征分别过模型，分别得到全部的user和item的向量，然后进行faiss召回，这样得到的召回top item 与过整个模型是否有差别呢？下面进行试验，用事实说话。采用EasyRec来做。【后面发现split分割后存储不了模型，因此召回模型全部采用另一个框架来做（附最后）】

1、DSSM模型分割

先将模型分割成两个模型，模型包含各个特征的embedding部分以及DNN部分，分别为User和item模型。下面是实现的步骤：

python  ../easy_rec/python/tools/split_model_pai.py --model_dir ../conf/dssm/_ckpt/export/final/  --user_model_dir ../conf/dssm/userModel/ --item_model_dir ../conf/dssm/itemModel/
Traceback (most rece

了解本专栏