共计 772 个字符，预计需要花费 2 分钟才能阅读完成。

前言

好吧，继续开整粗排，在前面的两讲中，我们得到的收获是粗排训练样本的生成。那么接下来就是讲模型训练了。今天要讲的是用的比较多的双塔模型。一提到双塔模型，顿时好多话都想说出来，比如召回能用到，双塔召回的优势，巴拉巴拉一大堆，反正双塔模型是一个经典的模型，也是一个具有突破性和代表性的创新。但是也有不足，比如特征交叉这样的。说是不足，也不是很准确，看你怎么理解，效果与性能的权衡也是一个trade-off的问题，不过所有所有的一切都是要以上线为准，你整了一圈上不了线都是瞎扯淡哦！

模型简介

网络结构

这块不打算多讲，直接给大家贴一张图吧，双塔结构就是这么简单，一个用户塔，一个物料塔，然后就构成双塔了。

上面的senet只是一个特征筛选层，加不加你上线AB测试一下就好了。

其实这里说的是双塔，你不用双塔使用wide and deep 或者dcn等其他模型都可以，这块主要取决于你召回的物料的数量和线上允许的 RT ,就像前面说的你所做的都是以上线为前提，上不了线都是无用功啊！

话又说回来粗排的定位就是简单、快、高效，其实也不建议整的复杂，复杂的都让精排去整就好了。

优化目标

loss 一般就是常规的 CE

线上推理

双塔的优势在线上serving 速度快，当然这个快主要是在ANN召回这块比较快，具体的做法都是通用的

1、提前生成好物料的Embedding然后写入到 faiss，构建索引

2、线上实时生成用户侧 Embedding 然后查询相关的物料。（ps：这一步其实也是可以考虑提前生成好用户的 embedding，如果用户侧没有实时特征的话。）

总结

感觉也没啥好总结的，这里的双塔其实在召回dssm或者youtube dnn那块都会有接触，区别在于这里的loss优化使用ce，然而dssm 那块使用的是 softmax ce，这块注意一下。其实也好理解，理解召回和粗排的目的和定位就好了。