Zwei-Turm-Modell
Definition
Zwei-Turm-Modelle berechnen Anfrage und mögliche Treffer getrennt für einen schnellen Vergleich.
Eine Architektur mit getrennten Encodern für Anfrage und Kandidat, deren Vektoren effizient verglichen werden.
Einfach erklärt
Eine Seite beschreibt die Suchanfrage, die andere die möglichen Angebote. Ihre Zahlendarstellungen werden verglichen, um passende Treffer zu finden.
Warum das im Alltag wichtig ist
Der Begriff verbessert den verlässlichen Zugriff auf Daten und Wissen sowie deren nutzbare Verknüpfung in digitalen Systemen.
Beispiel aus dem Mittelstand
Ein B2B-Shop indexiert Produktvektoren vorab und berechnet nur den Anfragevektor online.
Grenzen und Fallstricke
- Getrennte Encoder modellieren feine Interaktionen schwächer als Cross-Encoder; Negative und Indexaktualität sind kritisch.
Entstehung & Geschichte
Zwei-Turm-Architekturen wurden für großskalige Empfehlungen und Retrieval in den 2010er-Jahren verbreitet.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein B2B-Shop indexiert Produktvektoren vorab und berechnet nur den Anfragevektor online.
Häufige Fragen
Was bedeutet Zwei-Turm-Modell?
Eine Architektur mit getrennten Encodern für Anfrage und Kandidat, deren Vektoren effizient verglichen werden. Worauf sollte man achten? Getrennte Encoder modellieren feine Interaktionen schwächer als Cross-Encoder; Negative und Indexaktualität sind kritisch.
Quellen
- Recommending movies: retrieval – getrennte Query- und Candidate-Modelle sowie vorab berechnete Kandidatenrepräsentationen. · TensorFlow Recommenders: Recommending movies: retrieval – getrennte Query- und Candidate-Modelle sowie vorab berechnete Kandidatenrepräsentationen.
- Deep Neural Networks for YouTube Recommendations. · Paul Covington, Jay Adams und Emre Sargin (2016): Deep Neural Networks for YouTube Recommendations.
Redaktionell geprüft am: