内容简介

本书主要介绍了深度学习在互联网核心的三大类业务（搜索、广告、推荐系统）检索系统中的应用。本书详细讲述了检索匹配的理论、演进历史，以及在业务中落地一个基于深度学习算法模型的全流程技能，包括业务问题建模、样本准备、特征抽取、模型训练和预测等，并提供了相应的代码。全书共11章，分为四大部分。第一部分（第1~2章）介绍了深度学习的相关理论知识；第二部分（第3~6章）介绍了业务中如何上线一个深度学习模型，包括标签拼接、特征抽取、模型训练和预测等流程，采用单机实现；第三部分（第7~9章）介绍了检索算法基本理论以及演进历史，并以业界中应用较为广泛的双塔模型DSSM为例进行了详细理论介绍和代码实现；第四部分（第10~11章）介绍了如何将单机训练模式改造为分布式训练模式，以加快模型的训练速度，从而应对具有海量样本的业务场景。本书旨在为读者介绍深度学习在互联网业务中落地的方法和实现，主要面向算法工程师、相关领域研究人员和相关专业院校师生。