基于Pairwise策略优化的双塔召回算法模型研究
打开文本图片集
摘要：在推荐或广告系统中，召回阶段扮演着快速从大量的候选集中挑选出较为合适的物品Item集合，作为下一阶段精排的准入，从而起到在较为贴合用户兴趣的基础上，缓解精排的计算压力的作用，故召回阶段面临的候选集数量通常非常大，一般在几百万至上亿规模。此时，在训练召回模型时，采样便成了很重要的问题，尤其是负采样，一般情况下，训练召回模型时，会做随机负采样，由于召回模型负样本的不置信问题，采到的负样本有可能并不是真负样本，导致影响了模型的训练效果。（剩余5147字）