向量化召回统一建模框架

如何定义正样本，即哪些q和t在向量空间内应该相近；

• 取决于不同的召回场景

  • I2I召回。 q 和 t 是物料。 #card

    • 比如我们认为同一个用户在同一个会话（session，间隔时间较短的用户行为序列）交互过（例如点击，观看，购买等）的两个物料，在向量空间是相近的。这体现的是两个物料的相似性。

  • U2I召回。 $q$ 是用户，$t$ 是物料。#card

    • 一个用户与其交互过的物料在向量空间中应该是相近的。这体现的是用户与物料的匹配性。

  • U2U召回。 $q$ 和 $t$ 都是用户。#card

    • 比如使用孪生网络，$q$ 是用户一半的交互历史，$t$ 是同一用户另一半交互历史，二者在向量空间应该是相近的，这体现的是同一性。

如何定义负样本，即哪些q和t在向量空间内应该较远；#card

• [[负样本主要靠随机采样]]

• hard negative

如何将q和t映射成Embedding；#card

• 排序鼓励交叉，召回要求解耦。

如何定义优化目标，即损失函数。#card

• 多分类的Softmax Loss，只要求把正样本的概率值预测得越高越好。正样本来自用户真实反馈，负样本往往未曾想用户曝光过。

  • nce loss

    • [[Noise Contrastive Estimation]]

  • Sampled Softmax Loss

• LTR 思想，把用户喜欢的排在前面，最求排序的相对准确

  • Pairwise Loss

  • [[Marginal Hinge Loss]]

  • [[Bayesian Personalized Ranking Loss]]