前言

召回階段作為互聯(lián)網(wǎng)搜索、推薦、廣告服務架構(gòu)中的重要一環(huán)，是決定了系統(tǒng)整體服務質(zhì)量的天花板。從召回算法技術發(fā)展的過程來看，大致經(jīng)歷了啟發(fā)式規(guī)則方法及向量檢索兩代技術體系。阿里媽媽定向廣告團隊于2017年提出了新一代的深度樹匹配技術，使得任意復雜模型都能應用于召回階段來做全庫最優(yōu)檢索。近年來，這一技術框架圍繞著檢索技術本身進行了一系列的迭代，逐步建立了一套基于Learning to Retrieve思想的方法論，實現(xiàn)了對超大規(guī)模匹配問題中模型、索引、檢索過程三者聯(lián)合的最優(yōu)理論建模。接下來，本文將對這一技術體系的最新進展做詳細介紹。

01背景

當前繁榮發(fā)展的互聯(lián)網(wǎng)行業(yè)，不管是搜索、推薦還是廣告業(yè)務，其本質(zhì)都是實現(xiàn)了人和海量信息之間的高效連接，其核心是人和信息的匹配技術。其中，"人找信息"主要通過搜索技術來實現(xiàn)，而基于人和信息的關系實現(xiàn)"信息找人"，則主要依賴推薦及廣告技術。阿里作為全球領先的電商平臺，成功地將海量的用戶及海量的商品通過技術連接在了一起。從匹配這一核心技術出發(fā)，搜索、推薦和廣告看似業(yè)務形態(tài)不同，其實技術組成卻是非常相通的：搜索可以認為是一種帶query相關性約束的匹配，而廣告則是疊加了廣告主營銷意愿 ( 價格 ) 約束的匹配。所以，匹配技術的創(chuàng)新對推動搜索、推薦和廣告業(yè)務、技術的整體發(fā)展具有基礎性的作用。

就匹配技術而言，其核心問題是如何從大規(guī)模的候選集中精準地找到最優(yōu)質(zhì)的結(jié)果，如用戶可能最感興趣的一系列商品等。當前，大規(guī)模匹配、推薦技術的發(fā)展，由于受到算力及固有系統(tǒng)架構(gòu)的局限，往往都是對不同技術方案的拼裝或是對系統(tǒng)局部模塊的技術升級，而沒有從本質(zhì)上接近匹配技術的終極目標，即如何在全庫范圍內(nèi)，使用精準的模型

總結(jié)

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（四十二）-阿里妈妈深度树匹配技术演进：TDM-＞JTM-＞BSAT的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。