王树森推荐系统公开课 排序06：粗排模型

shared bottom 表示神经网络被所有特征共享。精排模型主要开销在神经网络，神经网络很大且很复杂。


每做一次推荐，用户塔只做一次推理。物品塔存放入向量数据库。

后期融合模型常用于召回，前期融合模型常用于精排。


物品塔短时间内比较稳定，不需要去不断更新。
物品塔缓存命中率极高，99% 物品的向量都有缓存，交叉塔反映的是动态的特征，必须做 $n$ 次推理。