Kā atšķiras rekomendāciju dual-encoder no meklēšanas dual-encoder?

Dual-encoder — tā ir arhitektūra, kurā divi dažādi objekti (piemēram, lietotājs un produkts vai pieprasījums un dokuments) tiek kodēti vektoru telpā ar divu atsevišķu kodētāju palīdzību.

Ieteikumu sistēmās , dual-encoder parasti tiek apmācīts tā, lai lietotāja un produkta vektori būtu tuvu, ja lietotājs ir ieinteresēts produktā. Mērķis ir efektīvi atrast lietotājam atbilstošus produktus, izmantojot kosinusa līdzību vai citu metriku.

Meklēšanā , dual-encoder kodē pieprasījumu un dokumentus tā, lai semantiski līdzīgi dokumenti būtu vektori, kas ir tuvu pieprasījuma vektoram. Šeit ir svarīga semantiskās atbilstības precizitāte starp pieprasījumu un dokumentu.

Galvenā atšķirība ir tā, ka ieteikumu sistēmās objekti bieži ir dažādas dabas (lietotājs un produkts), un modelis var ņemt vērā lietotāja preferences un uzvedību, kamēr meklēšanā — ir svarīga teksta semantiskā relevanta. Tāpat uzdevumi var atšķirties pēc metriku un apmācības metožu veidiem (piemēram, negatīva parauga ņemšana ar dažādām stratēģijām).