基于Pairwise策略優(yōu)化的雙塔召回算法模型研究

打開文本圖片集

摘要：在推薦或廣告系統(tǒng)中，召回階段扮演著快速從大量的候選集中挑選出較為合適的物品Item集合，作為下一階段精排的準(zhǔn)入，從而起到在較為貼合用戶興趣的基礎(chǔ)上，緩解精排的計(jì)算壓力的作用，故召回階段面臨的候選集數(shù)量通常非常大，一般在幾百萬至上億規(guī)模。此時(shí)，在訓(xùn)練召回模型時(shí)，采樣便成了很重要的問題，尤其是負(fù)采樣，一般情況下，訓(xùn)練召回模型時(shí)，會做隨機(jī)負(fù)采樣，由于召回模型負(fù)樣本的不置信問題，采到的負(fù)樣本有可能并不是真負(fù)樣本，導(dǎo)致影響了模型的訓(xùn)練效果。（剩余5147字）