以前有人问过这个问题，但从未（据我所知）得到令人满意的回答。

我正在阅读 Youtube关于他们推荐系统的论文。该系统有两个元素，第一个是生成 100 个“候选”视频的 DNN，然后将其与来自其他来源的候选视频组合并由第二个 DNN 进行排名。在论文中，他们说他们将候选生成问题视为使用 Softmax 进行的极端多类分类。这种方法是可以理解的；softmax 输出中 N 个最高值的索引成为 N 个预测的候选者 - 很容易。

然而，进一步阅读本文，我开始对他们的网络到底在做什么感到困惑。他们给出了他们的网络结构图：

从该图像中可以明显看出，除了 softmax 层之外还有一个完整的步骤，这是我不理解的。论文后面还有以下引述：

softmax 层在相同的 1M 视频类上输出多项分布，维度为 256（可以认为是单独的输出视频嵌入）。

还有：

由于在服务时不需要来自 softmax 输出层的校准似然度，因此评分问题简化为点积空间中的最近邻搜索，可以使用通用库。

但我对他们在这里实际实施的内容感到困惑。这个断言the softmax layer outputs...with a dimension of 256对我来说意味着它们实际上有一个最终层，Dense(256, activation='softmax')而不是Dense(n_classes...，但是图中“类概率”的存在使得这不可能，因为你无法将这样的嵌入转换为类概率。

所以; 我真的很困惑；有谁知道如何准确解释这里正在做什么？