参考答案
内容深度:适中 · 无代码示例 · 来源:外部链接 · 未复核 · 40 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点:
- 解决什么:传统 CF / 矩阵分解只能利用 ID 共现、难以融入 Side Information、对稀疏高秩交互易过泛化;Wide&Deep 用 Wide 侧记忆(memorization)交叉特征、Deep 侧泛化(generalization)隐向量,兼顾可解释与泛化能力(Google Play 验证显著提效)。
- 双塔(DSSM)结构:用户塔与物品塔分别编码为向量,相似度用内积 / 余弦,用户塔可用历史行为序列、物品塔用内容特征;两塔在最后一层才交互,因此可把物品向量离线预计算建索引(Faiss / ANN),线上只算用户向量做近邻检索——天然适配大规模召回。
- 召回注意点:① 负样本构造是核心——随机负样本太易,需用「全局随机负 + 曝光未点击(in-batch / 困难负)」混合;② 双塔无法在最后交互前交叉用户-物品特征,表达能力受限,对强交叉信号场景不如精排;③ 线上线下向量一致性、ANN 召回召回率与延迟权衡。