Ako sa líši dual-encoder pre odporúčania od dual-encoder v vyhľadávaní?

Dual-encoder — je architektúra, kde sú dva rôzne objekty (napríklad používateľ a produkt alebo dotaz a dokument) zakódované do vektorového priestoru pomocou dvoch samostatných encoderov.

V odporúčaniach sa zvyčajne trénuje tak, aby vektory používateľa a produktu boli blízke, ak má používateľ záujem o produkt. Cieľom je efektívne nájsť relevantné produkty pre používateľa pomocou kosínovej podobnosti alebo inej metriky.

V vyhľadávaní dual-encoder zakóduje dotaz a dokumenty tak, aby dokumenty s podobným významom mali vektory blízke vektoru dotazu. Tu je dôležitá presnosť sémantického zhodu medzi dotazom a dokumentom.

Hlavný rozdiel je v tom, že v odporúčaniach sú objekty často rôzne povahy (používateľ a produkt), a model môže zohľadniť používateľské preferencie a správanie, zatiaľ čo v vyhľadávaní je dôležitá sémantická relevantnosť textu. Taktiež úlohy sa môžu líšiť podľa metrík a metód tréningu (napríklad negatívne vzorkovanie s rôznymi stratégiami).