Torch-Rechub学习笔记-task2

Torch-Rechub学习笔记-task2
以下以DatawhaleTorch—Rechub组队学习的Task笔记
[项目开源地址]: https://github.com/datawhalechina/torch-rechub

推荐系统召回模型与向量检索

    task2中主要是对推荐场景的召回部分进行探索，具体引用到以下的模型以及工具。

• 场景：召回（Matching/Retrieval）
• 模型：DSSM、YouTubeDNN
• 数据集：MovieLens-1M
• 向量检索：Annoy、Milvus

• 通过代码的角度去对比DSSM以及YouTubeDNN两个模型之间的差异以及特点
• 向量检索工具Milvus的环境搭建和使用部署
• 模型训练后生成的embedding应用在向量检索工具Annoy和Milvus的功能、优势和使用场景

代码与task1中的召回模型代码结构大差不差，本次学习具体还是对向量检索工具Milvus的使用和部署。

部分代码贴图

学习思考以及心得

    task2中我的主要学习重点偏向于向量检索工具这方面，首先Milvus是我新接触到的向量检索工具，通过代码能够了解到该工具的使用。以及课程有关于该工具与annoy的性能对比，能够非常直观的感受到Milvus性能和生产化部署的便捷，而且也学习到了部署方式。同时也需要思考课后提到的优化项和扩展学习（包括生产上面的监控、A/BTest、更多特征挖掘处理）等等。