请教一下机器学习PAI DSSM这两个id在train/predict的时候发挥什么作用？

在MaxCompute PAI的DSSM模型中，user_id和item_id是关键参数，它们分别代表着用户和物品的唯一标识符。在训练阶段，这两个参数分别对应于用户的唯一ID和物品的唯一ID。当进行预测时，我们可以通过提供user_id和item_id作为输入来获取DSSM模型的预测得分。

然而，您提到的担忧也是合理的。对于新用户，由于模型之前没有接触过他们的user_id信息，只使用他们的画像特征信息进行u2i召回确实是一种方法。但是，需要注意的是，直接将user_id和item_id作为特征加入模型可能会导致一些问题。例如，基于长尾分布的用户行为日志训练的推荐模型可能会对头部物品有偏好，这会伤害中长尾物品的曝光机会和用户满意度。

user_id不用做特征也可以的，没有强制要求user_id用作特征，此回答整理自钉群“【EasyRec】推荐算法交流群”

在 MaxCompute PAI DSSM 模型中，user_id 和 item_id 是用于唯一标识用户的唯一 ID。在训练阶段，这两个参数会分别对应于用户的唯一 ID 和物品的唯一 ID。当进行预测时，可以使用 user_id 和 item_id 对 DSSM 模型进行输入，以获得相应的得分。
因此，在训练时，即使新用户还没有被 DSSM 模型看到，也不影响其使用用户画像特征进行 item 回收。您只需要正确地使用 user_id 和 item_id 输入 DSSM 模型即可，这些 ID 不会被模型使用，只会被用作唯一标识。
另外，在用户画像特征之外，可以使用其他特征来进一步提高 DSSM 模型的性能，比如物品特征、标签、标签匹配等。如果您有任何疑问，请及时联系技术支持寻求帮助，我们会尽力提供帮助。