淘宝推荐：长序列建模优化与双塔策略

"《猜你喜欢：淘宝推荐长序列建模实践》是一份深度探讨淘宝个性化推荐系统中长序列建模实践的论文。该研究针对大规模电商平台如淘宝，其推荐系统面临的挑战包括如何处理海量商品的评分、网络通信、特征生成和模型计算等效率问题。通过采用双塔内积粗排策略，系统能够支持十万量级的商品评分，并将模型计算和特征生成部分分离部署，以提高性能。 双塔模型设计的关键在于解决表达能力和部署一致性之间的平衡。粗排阶段倾向于将模型结构拆分为离线子图，以利于存储换计算，这样可以利用各种复杂的算子（如宽向量、MLP或多向量）来增强模型的交叉特征建模能力。同时，粗排、召回和精排之间的打分链路保持一致性和无偏学习，确保推荐的准确性。 论文特别关注用户长序列建模，尤其是在粗排阶段的挑战。由于常规的双塔模型在处理用户行为序列时效果不佳，特别是对于序列一致性较高的数据分布，Transformer、GRU或LSTM等序列建模方法表现尚可，但受限于长序列的支持。用户行为的长期兴趣被离线计算捕获，用户侧引入了额外的离线计算单元，以在线阶段通过存储换计算的方式减少性能消耗，提高实时检索效率。 这份报告揭示了淘宝推荐系统在处理长序列用户行为时的策略调整，从粗排到精排的模型设计，以及如何通过技术创新来优化用户体验，提升推荐的精度和效率。这对于理解和设计大规模在线推荐系统具有重要的参考价值。"