← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 7263.y · 生成模型:WorkBuddy (Claude)

SIM两阶段长序列检索

理解等级:高级

SIM 把可处理序列长度从 MIMN 的约1000 推进到约54000,采用两阶段结构:

  • GSU(General Search Unit,泛化搜索单元):对用户全生命周期序列做检索,把数万长度降到几百。两种方式:软搜索(Soft Search,用类目相关的辅助 CTR 任务学参数算相似度)与硬搜索(Hard Search,按目标物料类目建索引直接取同/相关类目行为)。线上为降时延采用硬搜索,为每个用户建两层索引 UBT(行为树,key1=用户_id、key2=类目_id、value=该品类行为序列),以分布式实现达22TB。
  • ESU(Exact Search Unit,精准搜索单元):对 GSU 得到的子序列 SBS 做类似 DIN/DIEN 的 attention,并引入时间窗向量(行为时间与当前预估时间差)与多头 attention 捕捉多样兴趣,再接 DIEN 式 DNN 打分。
  • GSU 与 ESU 联合训练,损失为交叉熵加权和。

SIM 的本质是“先检索再精算”的工程取舍,与 [[MIMN超长序列记忆UIC]] 的“记忆压缩”路线互补,都是为超长序列落地服务。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第8章《精排层的样本选择和模型选择》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/109.html;src-053) - 结论依据:原文说明 SIM 用 GSU 检索全生命周期序列(软/硬搜索、UBT 行为树索引)将长度降到几百,再用 ESU 做 attention 与 DNN 打分,GSU/ESU 联合训练。 - 原始内容:第一部分是图8-41的第一阶段,其被称为GSU(General Search Unit,泛化搜索单元),主要负责检索用户全生命周期序列