双塔模型-向量内积-tf.keras.layers.Dot()使用

Dot层计算两个向量中的样本间的点乘，同时也是基于batch的点乘，使用起来非常方便，在模型输出前不用再独立书写cosine部分

返回：shape为（batch_size, 1）,表明batch中每一组对应样本的点乘。注意：如果在双塔中使用，在Dot前要对塔两侧向量做l2范数归一化。

示例代码：

def tow_tower(feature_inputs, item_feature_columns, user_feature_columns, hidden_units):
    # 物品侧输入特征层 
    item_tower = tf.keras.layers.DenseFeatures(item_feature_columns)(feature_inputs) 
    # 物品塔结构 
    for num_nodes in hidden_units:
        item_tower = tf.keras.layers.Dense(num_nodes, activation='relu')(item_tower)
        item_tower = Lambda(lambda x :K.l2_normalize(x, axis=1))(item_tower)
    # 用户侧输入特征层 
    user_tower = tf.keras.layers.DenseFeatures(user_feature_columns)(feature_inputs) 
    # 用户塔结构 
    for num_nodes in hidden_units:
        user_tower = tf.keras.layers.Dense(num_nodes, activation='relu')(user_tower)
        user_tower = Lambda(lambda x :K.l2_normalize(x, axis=1))(user_tower)
    output = tf.keras.layers.Dot(axes=1)([item_tower, user_tower]) 
    # 定义keras模型 
    model = tf.keras.Model(feature_inputs, output) 
    return model