DSSM 有哪些改进模型
哪些公司问过
答案要点
- DSSM 原理:双塔分别编码 query 和文档,余弦相似度加 softmax 训练,输入为词袋和 word hashing
- 表示增强:CDSSM/CLSM 用卷积、LSTM-DSSM 用循环网络、预训练模型双塔如 DPR
- 推荐方向:MV-DSSM 多视角共享用户塔,谷歌双塔 in-batch 负采样加 logQ 纠偏
- 多兴趣与交互增强:MIND 多兴趣向量,ColBERT 晚交互
- 双塔流行原因:物品向量可离线预计算,线上用 ANN 检索,延迟低
易错点
- 把 DSSM 当成交互式匹配模型,忽略它两塔无交互的特点
- 只说「用 BERT 替换」而讲不清改进动机
- 编造不存在的模型名或把论文出处张冠李戴
- 忽略 in-batch 负采样带来的热门物品偏差
面试官常见追问
- 双塔模型为什么适合召回而不太适合精排?
- in-batch 负采样有什么问题?怎么纠正?
- 召回的负样本一般怎么构造?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。