DSSM 的原理很簡(jiǎn)單，通過(guò)搜索引擎里 Query 和 Title 的海量的點(diǎn)擊曝光日志，用 DNN 把 Query 和 Title 表達(dá)為低緯語(yǔ)義向量，并通過(guò) cosine 距離來(lái)計(jì)算兩個(gè)語(yǔ)義向量的距離，最終訓(xùn)練出語(yǔ)義相似度模型。該模型既可以用來(lái)預(yù)測(cè)兩個(gè)句子的語(yǔ)義相似度，又可以獲得某句子的低緯語(yǔ)義向量表達(dá)。
模型結(jié)構(gòu)：
第一層是一個(gè)簡(jiǎn)單的映射層，使用word hashing 方法將句子50W的one-hot表示降低到了3W，原理是對(duì)句子做letter level 的trigrim 并累加。
如下圖： #boy#會(huì)被切分成#-b-o, b-o-y, o-y-#。
選用trigrim而不用bigrim或者unigrim的原因是為了權(quán)衡表示能力和沖突，兩個(gè)單詞沖突表示兩個(gè)單詞編碼后的表示完全相同。
第二層到第四層是典型的MLP網(wǎng)絡(luò)，最終得到128維的句子表示
激活函數(shù)是tanh
對(duì)正負(fù)樣本計(jì)算cosine距離
再利用平滑后的softmax得到概率
損失函數(shù)是似然損失，原理是最大化點(diǎn)擊正樣本的概率
論文中實(shí)現(xiàn)的一些細(xì)節(jié)：
下面用tensorflow實(shí)現(xiàn)這個(gè)經(jīng)典的model
導(dǎo)包
import tensorflow as tf
定義基于語(yǔ)料的letter trigrim維度和輸入的query batch 和 doc batch
#TRIGRAM_D 表示letter trigrim 之后的維度
TRIGRAM_D = 1000
#定義query輸入和doc輸入
query_batch = tf.sparse_placeholder(tf.float32,
shape=[None,TRIGRAM_D],
name='QueryBatch')
doc_batch = tf.sparse_placeholder(tf.float32,
shape=[None, TRIGRAM_D],
name='DocBatch')
初始化第一層的參數(shù)，L1_N表示輸出的維度，參考的是論文中的初始化方法
#第一層輸出維度
L1_N = 300
l1_par_range = np.sqrt(6.0 / (TRIGRAM_D + L1_N))
weight1 = tf.Variable(tf.random_uniform([TRIGRAM_D, L1_N],
-l1_par_range,
l1_par_range))
bias1 = tf.Variable(tf.random_uniform([L1_N],
-l1_par_range,
l1_par_range))
#因?yàn)閿?shù)據(jù)比較稀疏，所以用sparse_tensor_dense_matmul
query_l1 = tf.sparse_tensor_dense_matmul(query_batch, weight1) + bias1
doc_l1 = tf.sparse_tensor_dense_matmul(doc_batch, weight1) + bias1
#激活層，也可以換成別的激活函數(shù)
query_l1_out = tf.nn.tanh(query_l1)
doc_l1_out = tf.nn.tanh(doc_l1)
接下來(lái)構(gòu)造第二三層
#第二層的輸出維度
L2_N = 300
l2_par_range = np.sqrt(6.0 / (L1_N+ L2_N))
weight2 = tf.Variable(tf.random_uniform([L1_N, L2_N],
-l2_par_range,
l2_par_range))
bias2 = tf.Variable(tf.random_uniform([L2_N],
-l2_par_range,
l2_par_range))
query_l2 = tf.sparse_tensor_dense_matmul(query_l1_out , weight2) + bias2
doc_l2 = tf.sparse_tensor_dense_matmul(doc_l1_out , weight2) + bias2
query_l2_out = tf.nn.tanh(query_l2)
doc_l2_out = tf.nn.tanh(doc_l2)
#第三層
L3_N = 128
l3_par_range = np.sqrt(6.0 / (L2_N+ L3_N))
weight3 = tf.Variable(tf.random_uniform([L2_N, L3_N],
-l3_par_range,
l3_par_range))
bias3 = tf.Variable(tf.random_uniform([L3_N],
-l3_par_range,
l3_par_range))
query_l3 = tf.sparse_tensor_dense_matmul(query_l2_out , weight3) + bias3
doc_l3 = tf.sparse_tensor_dense_matmul(doc_l2_out , weight3) + bias3
query_l3_out = tf.nn.tanh(query_l3)
doc_l3_out = tf.nn.tanh(doc_l3)
計(jì)算相似度
#NEG表示負(fù)樣本的個(gè)數(shù)
NEG = 4
# ||yq||
query_norm = tf.tile(tf.sqrt(tf.reduce_sum(tf.square(query_l3_out ), 1, True)),
[NEG + 1, 1])
# ||yd||
doc_norm = tf.sqrt(tf.reduce_sum(tf.square(doc_l3_out), 1, True))
# yqT yd
prod = tf.reduce_sum(tf.mul(tf.tile(query_l3_out , [NEG + 1, 1]), doc_l3_out), 1, True)
norm_prod = tf.mul(query_norm, doc_norm)
# cosine
cos_sim_raw = tf.truediv(prod, norm_prod)
cos_sim = tf.transpose(tf.reshape(tf.transpose(cos_sim_raw), [NEG + 1, BS])) * Gamma
計(jì)算loss
#BS為batch_size，計(jì)算batch平均損失
prob = tf.nn.softmax((cos_sim))
#正例的softmax值
hit_prob = tf.slice(prob, [0, 0], [-1, 1])
#最小化loss，計(jì)算batch的平均損失
loss = -tf.reduce_sum(tf.log(hit_prob)) / BS
定義優(yōu)化方法，訓(xùn)練
#定義優(yōu)化方法和學(xué)習(xí)率
train_step = tf.train.GradientDescentOptimizer(FLAGS.learning_rate).minimize(loss)
with tf.Session(config=config) as sess:
sess.run(tf.initialize_all_variables())
for step in range(FLAGS.max_steps):
sess.run(train_step, feed_dict={query_batch : ...
doc_batch : ...}})
實(shí)現(xiàn)過(guò)程中的一些細(xì)節(jié)：
- doc和query是share hash embedding和mlp層的；
- 損失函數(shù)只包含了正例，但是在計(jì)算softmax值的時(shí)候考慮了反例，這也是反例存在的意義；
