DSSM模型

DSSM模型可以生成item的语义向量，再推荐系统中经常再召回环节使用，很经典的一个召回模型。它的关键点:

1.用 word hashing将输入的高维向量先变换到了比较低维的向量，这种方式对于业界来说是很不错的，因为通常我们的词库或者物品集是很大的，如果我们用很高维的向量直接输入 那模型训练的压力就太大了。word hashing就是一层的线性映射

2. 使用的有监督学习方法。以推荐为例，输入特征有物品特征 用户特征 然后标签为用户下一刻点击的物品，负样本从非正样本的item随机抽取。得到用户和物品的语义向量，计算语义向量的余弦相似度，余弦相似度进行映射作为预测结果，物品是否是下一刻点击物品用0和1标识真实结果，然后损失函数二分类损失函数

3.我们通常会取模型中的语义向量出来作为物品的语义向量，用于召回任务。

论文中的模型图

推荐系统中的召回结构

这块的理解就到这里了，自己实际项目中没有用到，就不再细究DSSM模型如今其他的变种了。

参考博客:

安全验证 - 知乎知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视、时尚、文化等领域最具创造力的人群，已成为综合性、全品类、在诸多领域具有关键影响力的知识分享社区和创作者聚集的原创内容平台，建立起了以社区驱动的内容变现商业模式。https://zhuanlan.zhihu.com/p/501175875 

 安全验证 - 知乎知乎，中文互联网高质量的问答社区和创作者聚集的原创内容平台，于 2011 年 1 月正式上线，以「让人们更好的分享知识、经验和见解，找到自己的解答」为品牌使命。知乎凭借认真、专业、友善的社区氛围、独特的产品机制以及结构化和易获得的优质内容，聚集了中文互联网科技、商业、影视、时尚、文化等领域最具创造力的人群，已成为综合性、全品类、在诸多领域具有关键影响力的知识分享社区和创作者聚集的原创内容平台，建立起了以社区驱动的内容变现商业模式。https://zhuanlan.zhihu.com/p/581196508