推荐召回算法之双塔模型

DSSM

微软率先提出。核心是将用户特征和物料特征分别embedding化,然后计算相似度。

在这里插入图片描述训练数据时候,损失函数部分则是常用的二分类交叉熵损失。
在模型训练完毕后,user塔跟item塔各自存储在redis这样的数据库中,线上计算的时候,直接从内存中取到两个向量计算相似度即可。

Youtube

左边是用户特征和请求特征,右边是候选级别的特征
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值