DSSM-Lookalike Pipeline

implemention of paper: Learning deep structured semantic models for web search using clickthrough data

一个基于DSSM的Lookalike向量化召回pipeline简单实现，包括以下部分：

• 数据获取：使用2018腾讯广告算法大赛比赛中的训练数据（100000条）(aid,uid,label)。
• 三种数据负采样方法：<1>随机负采样。<2>根据出现频次负采样。<3>RALM采样方法，参考腾讯实时Look-alike
• DSSM实现，与原论文在loss计算方式上略有不同。
• 输出user embedding和item embedding。

较为完整的复现了工业界常用的基于DSSM的向量化召回pipeline。

网络模块构建参考

• code: https://github.com/shenweichen/DeepCTR
• author: shenweichen

环境配置

• python 3.6.5
• tensorflow == 1.14.0
• pandas

代码运行示例：

python examples/run_dssm_neg_sample.py