本文將介紹 Two-Tower Network(雙塔網路架構)的基本概念及其在推薦系統中的應用。Two-Tower Network 是一種專為快速、準確地推薦最適合物品而設計的模型架構,廣泛應用於網路商店、影音平台及搜尋引擎等領域。透過查詢塔和項目塔的協作,該模型能有效地將使用者和物品的特徵映射到同一個空間中,進行比對以找出最佳匹配。
簡單理解
Two-Tower Network 可以想像成有「兩座塔」並列存在:
查詢塔(Query Tower):專門負責處理使用者的資訊,例如使用者過去的觀看紀錄、點擊過的商品及瀏覽過的內容。這座塔將這些使用者特徵整理成一個「向量表示」(嵌入)。
項目塔(Item Tower):負責處理候選物品的資訊,無論是影片的標籤、商品的特徵或內容的描述,這些資訊都會透過這座塔轉換成一個「向量」表示。
最後,這兩座塔產生的「使用者向量」和「物品向量」會被映射到同一個空間中,並進行比對(例如用點積或餘弦相似度)。分數越接近,代表該物品越可能是使用者感興趣的好選擇。
延伸應用與你的 AI 智慧中心
瞭解像 Two-Tower Network 這樣的推薦系統架構,只是運用 AI 技術的冰山一角。想像在你的日常工作或業務流程中,也能輕鬆導入智慧助理,為團隊或個人業務節省大量重複性的溝通處理時間。這並非遙不可及!
如果你對於 AI 與自動化流程的實際落地方式感興趣,歡迎參考我們最新推出的課程:
零程式碼打造你的 AI 智慧中心 - 4 週輕鬆打造專屬 Line Bot(第二期)
現在就開始,讓 AI 為你的工作流程帶來新突破吧!接下來,我們繼續深入 Two-Tower Network 的特性與應用。
Two-Tower Network 的好處
快速匹配:因為使用者向量和物品向量都事先準備好(尤其是物品部分可以離線計算),在需要推薦時,只需計算使用者向量,並透過快速向量檢索尋找最相關的物品。
擴展性佳:可以處理非常龐大的物品清單(例如幾百萬個商品或影片),且容易維護和更新。
靈活性強:查詢塔和項目塔是分開的網路,因此可以分別針對使用者特徵及物品特徵調整架構,讓系統更彈性地應對不同類型的資料。
應用在哪裡?
推薦系統:像 YouTube 的影片推薦就應用類似的架構,根據你的瀏覽紀錄來計算使用者嵌入,再比對所有影片的嵌入,找出適合你觀看的影片。
搜尋引擎與商品檢索:在電商平台中,當你輸入一個搜尋關鍵字,系統會根據該搜尋條件(查詢向量)快速篩選出可能符合需求的商品(物品向量)。
廣告系統:讓廣告精準匹配到對其有興趣的使用者。
心得分享
在學習機器學習的過程中,我發現許多專業概念背後其實是直覺的做法,只是透過數學和深度學習工具將想法更系統化。像這個 Two-Tower Network,一開始聽起來很高深,但其實原理不複雜,就是把「使用者」和「物品」分兩邊各自編碼,再把結果放在同一個空間比較,進而快速找出最佳匹配。看到這樣的概念時,總會覺得自己又多瞭解了一點背後的巧思。