推荐系统-召回阶段-双塔模型-2013：DSSM利用双塔模型生成User和Item的嵌入向量；基于嵌入向量的相似度进行候选物品筛选；通过FAISS加速计算。

DSSM的完整名称为Deep Structured Semantic Models，由伊利诺伊大学厄巴纳-香槟分校（UIUC）联合微软于2013年发表在CIKM会议上。

DSSM 当前在搜广推领域内的行业影响力已超越此前所提及的所有模型，几乎主导了召回及初步排序阶段 。

百度也在2013年（彼时的百度正处于高速发展时期）开发了一种双塔结构模型 SimNet ，然而并未公开发布相关论文。

一、推荐系统中DSSM双塔模型架构

在推荐系统应用中，DSSM的结构通常如以下图表所示：

图1. 推荐领域常用DSSM模型结构

模型的输出结果具有较为简洁的结构，主要由两个部分构成：一侧为用户特征处理模块，另一侧为物品特征处理模块。用户侧的特征和物品侧的特征各自经过独立的深度神经网络（通常情况下，这两个DNN结构保持一致，但也可根据需求进行差异化设计）后，分别生成对应的用户嵌入向量与物品嵌入向量。需要特别注意的是，若用户的DNN与物品的DNN结构存在差异，则必须确保其输出维度完全一致，即最后一层全连接层中的隐藏单元数量需保持相同。这是为了保证用户嵌入向量与物