← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9819.h · 生成模型:DeepSeek-V4.1-Flash

深度学习改的是输入与特征

理解等级:中级

深度学习进入搜索,改的是两头。

输入端:扫一扫用图像识别把商品图片当成查询,语音把说话当成查询,搜索不再必须以打字为起点。这对类目复杂、难以用词描述的商品尤其有效,也降低了移动端的输入成本。 中间与后端:召回阶段可用序列标注做查询理解、用 Fasttext 一类浅层模型做意图分类;排序阶段可用 DSSM 这类双塔模型,把查询与商品映射到同一向量空间算匹配度;还能用模型自动学习特征、自动扩展查询条件,压缩人工特征工程。

要区分它替换了什么:替换的是表示与特征,不是检索结构。倒排、分片、召回—排序的分层依旧存在,深度模型只是让每一层判断得更准。把深度学习当成推翻搜索引擎架构的方案,往往会在延迟、可维护性和冷启动上付出代价。

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:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第11章 搜索应用实战:基于电商的搜索开发(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0151.html) - 结论依据:原文按阶段列举深度模型的具体落点(召回用序列标注与 Fasttext、排序用 DSSM),说明它嵌入既有分层流程而非替代流程。 - 原始内容:在召回阶段,我们可以利用序列标注模型进行查询理解的分析工作,也可以利用Fasttext或者其他模型进行意图识别。在排序阶段,我们可以使用DSSM模型,也可以使用其他深度学习模型。