TensorFlow Recommenders 迎来更新 — 可扩展检索和特征交互建模

文：Ruoxi Wang、Phil Sun、Rakesh Shivanna 和 Maciej Kula，Google

9 月，我们开源了 TensorFlow Recommenders，这个库能够帮助您轻松构建最先进的推荐系统模型。现在，我们高兴地宣布 TensorFlow Recommenders (TFRS) 的新版本 v0.3.0。

• TensorFlow Recommenders
  https://mp.weixin.qq.com/s?__biz=MzU1OTMyNDcxMQ==&mid=2247491166&idx=1&sn=1886a9271e0c31e7040f820073d1c1c3&chksm=fc185516cb6fdc005d90e55d1e1fe2618396f15c359fabd766e9bcd776eac6df836c16a9bf35&scene=21#wechat_redirect

• v0.3.0
  https://github.com/tensorflow/recommenders/releases/tag/v0.3.0

新版本引入了两项重要功能，二者对于构建和部署高质量、可扩展的推荐模型至关重要。

第一项新增功能是对快速可扩展近似检索提供内置支持。通过利用 ScaNN，TFRS 现已能够构建在数毫秒内即可从数以百万计的条目中检索出最佳候选条目的深度学习推荐模型，同时又保留了部署单个“输入查询特征即可输出建议”的 SavedModel 对象的便利性。

第二项新增功能是支持用于特征交互建模的更出色技术。新版本 TFRS 包含了 Deep & Cross Network 的实现：一种高效架构，用于学习深度学习推荐模型中使用的所有不同特征之间的交互。

• Deep & Cross Network
  https://arxiv.org/pdf/2008.13535.pdf

如果您迫切希望尝试新增功能，可以直接前往我们的高效检索和特征交互建模教程。也可以登陆B 站 Google 中国 TensorFlow 官方频道收看《使用 TensorFlow 搭建推荐系统（全八讲）》视频获取帮助。

• [教程] 高效检索
  https://tensorflow.google.cn/recommenders/examples/efficient_serving

• [教程] 特征交互建模
  https://tensorflow.google.cn/rec