从零构建双塔神经网络推荐系统：PyTorch实现电影推荐引擎

本文详解如何使用 PyTorch 从零实现双塔（Two-Tower）神经网络架构，构建高效的电影推荐系统，涵盖模型设计、训练策略与推理优化等核心环节。

推荐系统已成为互联网产品的核心组件，从电商购物到流媒体内容分发，个性化推荐直接影响用户体验和商业转化。传统推荐方法如协同过滤（Collaborative Filtering）虽然简单有效，但在面对海量用户和物品时面临计算复杂度和冷启动等挑战。深度学习推荐模型通过自动学习特征表示，显著提升了推荐的准确性和可扩展性。

双塔（Two-Tower）架构是工业界广泛采用的推荐模型设计，其核心思想是将用户（User）和物品（Item）分别编码为独立的向量表示，通过计算向量相似度进行召回或排序。这种设计的最大优势在于解耦了用户和物品的表示学习，使得：

• 离线计算物品向量：可以预先计算所有物品的 embedding 并建立索引
• 实时计算用户向量：在线服务时只需计算当前用户的表示
• 高效相似度检索：通过近似最近邻（ANN）算法在毫秒级完成百万级物品的检索

项目实现的双塔网络包含两个对称但独立的神经网络分支：

用户塔（User Tower）：

• 输入层：用户历史行为（观看过的电影 ID 序列）、用户画像特征（年龄、性别、地域等）
• 嵌入层：将稀疏 ID 特征映射为稠密向量
• 特征交互层：通过 MLP 或注意力机制融合多源特征
• 输出层：固定维度的用户兴趣向量

物品塔（Item Tower）：

• 输入层：电影元数据（标题、类型、导演、演员、年代等）
• 文本编码：使用预训练语言模型或词嵌入处理文本特征
• 特征融合：将各类特征拼接后通过全连接层
• 输出层：与用户塔相同维度的电影表示向量

对于电影 ID 和用户 ID 这类高基数类别特征，项目采用嵌入矩阵（Embedding Matrix）进行降维表示：

# 电影嵌入层
self.movie_embedding = nn.Embedding(num_movies, embedding_dim)

# 用户嵌入层
self.user_embedding = nn.Embedding(num_users, embedding_dim)

这种可学习的嵌入表示相比 one-hot 编码大幅降低了参数量，同时能够捕捉 ID 间的隐式关系。

用户的历史观影序列蕴含了丰富的兴趣信号。项目探索了多种序列建模方法：

• 平均池化：简单取历史物品嵌入的平均，计算高效但忽略时序信息
• RNN/LSTM：捕捉用户兴趣的演化趋势，适合长序列建模
• 注意力机制：自动学习不同历史物品对当前推荐的重要性权重

项目采用基于采样 softmax 或对比学习（Contrastive Learning）的训练框架：

In-batch Negatives： 在一个训练批次内，将其他样本的物品作为当前用户的负样本，这种策略无需额外采样且计算效率高。

温度参数调节： 通过引入温度系数（temperature）控制相似度分布的平滑程度，影响模型对正负样本的区分能力。

项目基于经典的 MovieLens 数据集进行实验，该数据集包含：

• 用户-电影评分记录（1-5 星评级）
• 用户人口统计学信息
• 电影元数据（类型、标题、标签等）
• 时间戳信息（可用于分析用户兴趣漂移）