我正在尝试了解YouTube 推荐的深度神经网络。

他们的候选生成步骤输出前 N 个项目

• 在训练时通过 softmax（带负采样）。
• 在服务时间通过最近的邻居。

1. 我猜 $v_j$表示，（从 softmax 层到最近邻索引）
   您通过 softmax 获得的 topn 个视频，并以原始编码表示它们（您用于输入的相同编码（用于嵌入式视频手表））

   显然，$v_j$与输入编码的编码不同。
   The softmax layer outputs a multinomial distribution over the same 1M video classes with a dimension of 256 (which can be thought of as a separate output video embedding)

   我试图通过将 softmax 输出解释为单独的输出视频嵌入来理解它们的含义。我认为输出 1M 个类的 softmax 层的维度是 1M，256 是从哪里来的？（这与How to create a multi-dimensional softmax output in Tensorflow 的问题相同？我认为那里没有得到回答..）

2. 用户向量$u$是最终 ReLU 单元的输出，虽然我不确定这个用户向量的用途。

3. 我猜在服务时间，为给定用户选择前 N 个用户向量$u$被最近邻居使用。但是我对最近邻的理解是对于给定的向量，它会在同一维度上找到最近的向量。（例如给定一部电影，查找最近的电影）。但是在这里，您有一个用户，需要查找 topn 视频。这是如何运作的？

   我最好的猜测是，对于给定的用户，你得到一个用户向量作为 ReLU 输出，然后找到用户-用户最近邻，并结合他们在训练时获得的前 n 个项目。但这只是一个猜测..