2.3. 双塔模型¶
I2I召回通过物品之间的相似性来做推荐，但它始终需要一个“种子物品”作为起点——用户最近交互过什么，就基于什么去扩展。这意味着推荐结果很大程度上被用户的近期行为锁定，难以发现用户潜在但尚未表达过的兴趣。能不能跳过“种子物品”这个中间环节，直接回答“这个用户会喜欢什么”？
双塔模型（也就是U2I召回）给出的方案是把匹配问题拆成两个独立的编码问题。用户塔处理用户的历史行为、画像特征和上下文信息，输出一个用户向量 \(u\)；物品塔整合物品的ID、类别和属性特征，输出一个物品向量 \(v\)。匹配度通过两个向量的内积来衡量：
(2.3.1)¶\[score(u, v) = u \cdot v = \sum_{i=1}^{d} u_i v_i\]
这种拆分带来了工程上的优势：所有物品向量可以离线预计算并存入向量检索系统（如Faiss），线上只需实时计算用户向量，再通过近似最近邻搜索找到最匹配的物品。原本 \(O(U \times I)\) 的匹配复杂度降到了 \(O(U + I)\) 的向量计算复杂度。
本章沿着双塔模型的演进轨迹介绍三个模型：
FM（因子分解机）：双塔模型的雏形。FM诞生于深度学习兴起之前，但它首次将用户-物品的复杂交互分解为两个低维向量的内积操作，在思想上是双塔的原型。
DSSM：深度结构化语义模型。FM本质上仍是线性模型，DSSM用深度神经网络替代线性变换，让双塔具备了非线性的特征学习能力。
YouTubeDNN：从匹配到预测用户下一行为。YouTubeDNN在架构上延续了双塔设计，但引入了一个关键的思想转变——把召回任务重新定义为“预测用户下一个会观看的视频”。