內容總結

• 召回中，一般的訓練方式分為三種：point-wise、pair-wise、list-wise。RecHub中用參數mode來指定訓練方式，每一種不同的訓練方式也對應不同的Loss。對應的三種訓練方式可以參考下圖，其中a表示user的embedding，b+表示正樣本的embedding，b-表示負樣本的embedding。
  • 前面兩行是指pointwise即圖例看待每個正負樣本，使用二分類交叉熵
  • pairwise：每次選擇一個正樣本和一個負樣本，使用Hinge loss或者BPR loss損失函數
  • listwise：每次選擇一個正樣本和多個負樣本，使用softmax loss函數，其實就是多分類問題（如下圖最下面的CrossEntropyLoss函數）
    
• 召回中樣本的選擇：
  • 正樣本：用戶點擊的物品
  • 負樣本：沒有被召回的；召回但是被排序淘汰的；曝光但是未點擊的
• 微軟DSSM奠定的基本思想：
  • 離線使用cosine優化相似度
  • 在線使用ANN向量化召回
  • 首次提出隨機負采樣

總結

以上是生活随笔為你收集整理的【PyTorch基础教程30】DSSM双塔模型（线上召回 | 模型更新）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。