面向信息流推荐的双塔召回模型改进及应用

摘要

信息流推荐一般需要在数十毫秒内解决海量的用户和资讯匹配的问题,从大量资讯中找到用户最可能感兴趣的资讯,双塔结构的召回模型由于在实时性、通用性等方面存在缺陷,本文提出一种针对双塔结构召回模型的改进方法,通过两组模型实现对资讯的特征向量生成和用户喜好的特征向量生成,并应用到信息流推荐领域。同等条件下,改进后的模型在实际信息流场景中用户点击率提升超过27%,实验证明提出的改进算法能够有效提高推荐结果的准确性。