前言

召回階段作為互聯網搜索、推薦、廣告服務架構中的重要一環，是決定了系統整體服務質量的天花板。從召回算法技術發展的過程來看，大致經歷了啟發式規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，實現了對超大規模匹配問題中模型、索引、檢索過程三者聯合的最優理論建模。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

當前繁榮發展的互聯網行業，不管是搜索、推薦還是廣告業務，其本質都是實現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，而基于人和信息的關系實現"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，搜索、推薦和廣告看似業務形態不同，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，匹配技術的創新對推動搜索、推薦和廣告業務、技術的整體發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模的候選集中精準地找到最優質的結果，如用戶可能最感興趣的一系列商品等。當前，大規模匹配、推薦技術的發展，由于受到算力及固有系統架構的局限，往往都是對不同技術方案的拼裝或是對系統局部模塊的技術升級，而沒有從本質上接近匹配技術的終極目標，即如何在全庫范圍內，使用精準的模型

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。