转自：http://ju.outofmemory.cn/entry/316660
感谢分享~
DSSM这篇paper发表在cikm2013，短小但是精炼，值得记录一下
ps:后来跟了几篇dssm的paper，一并记录在这里
DSSM
DSSM的结构
DSSM 最大的卖点在检索场景下 使用点击数据来训练语义层次的匹配，简单的来说，传统检索场景下的匹配主要有:
- 字面匹配:
TFIDF、BM25等 - 使用
LSA类模型进行语义匹配，但是效果不好
而DSSM训练出来之后，检索场景下用户输入query之后，可以根据该query计算各个doc的语义相似度。
这里上图最直接:
上面是 DSSM 训练的架构图:
- 输入的是一个
query和这个query相关的doc，这里的输入特征可以是最简单的one-hot,而需要train的是这个query下各个doc的相关性(DSSM里面使用点击率来代替相关性) -
由于这种
one-hot的输入可能会有两个问题:- 导致
vocabulary太大 -
会出现
oov的问题因此输入特征之后的第一层是做一个叫做
Word Hashinging的操作
- 导致
- 接下来就是传统的神经网络了
$$l_i=f(W_il_{i-1}+b_i),i = 2,…,N-1 \
y=f(W_Nl_{N-1}+b_N) $$这里的
f是激活函数，文中使用$tanh$来计算:$f(x)=frac{1-e^{-2x}}{1+e^{-2x}}$ - 得到的$y$就是语义特征了,query和doc之间的相关性就可以直接使用特想之间的相似性来度量，这里使用cosine来计算
$$R(Q,D)=cosine(y_Q,y_D) = frac{y_Q^Ty_D}{||y_Q||||y_D||}$$ - 最终得到的相似度就可以去训练query和doc的相关性了
因此整个结构就可以看做做了一层 Word Hashing 之后去训练 DNN 网络
Word Hashing
Word Hashing 是paper非常重要的一个 trick ，以英文单词来说，比如 good ，他可以写成 #good# ，然后按tri-grams来进行分解为 #go goo ood od# ，再将这个tri-grams灌入到 bag-of-word 中，这种方式可以非常有效的解决 vocabulary 太大的问题(因为在真实的web search中vocabulary就是异常的大)，另外也不会出现 oov 问题，因此英文单词才26个，3个字母的组合都是有限的，很容易枚举光。
那么问题就来了，这样两个不同的单词会不会产出相同的tri-grams，paper里面做了统计，说了这个冲突的概率非常的低，500K个word可以降到30k维，冲突的概率为0.0044%
但是在中文场景下，这个
Word Hashing估计没有这么有效了
因为直接使用了word hashing，因为无法记录上下文信息
训练DSSM
上面是前向计算过程，在进行训练的时候需要计算给定 Query 下与 Doc 的相关性:
$$P(D|Q) = frac{exp(gamma R(Q,D))}{sum_{d_i in D} exp(gamma R(Q,D))}$$
最终他需要优化的损失函数为:
$$L(Lambda) = - ext{log} prod_{(Q,D^+)} P(D^+|Q)$$
$D^+$表示被点击的文档，这里就是最大化点击文档的相关性的最大似然
CDSSM
CDSSM (又称 CLSM :Convolutional latent semantic model)在一定程度上他可以弥补 DSSM 会丢失上下文的问题,他的结构也很简单，主要是将 DNN 替换成了 CNN
他的前向步骤主要计算如下:
1. 使用指定滑窗大小对输入序列取窗口数据（称为 word-n-gram ）
2. 对于这些 word-n-gram 按 letter-trigram 进行转换构成representation vector(其实就是 Word Hashing )
3. 对窗口数据进行一次卷积层的处理(窗口里面含有部分上下文)
4. 使用 max-pooling 层来取那些比较重要的 word-n-gram
5. 再过一次FC层计算语义向量
6. 他最终输出的还是128维
> 因为使用 CDSSM 来做语义匹配的工作也是比较合适的
## DSSM-LSTM
既然是为了记录输入句子的上下文，这个无疑是 Lstm 这个模型更为擅长，因此又有了一种 Lstm 来构造的 DSSM 模型
这篇相对于 CDSMM 来说改的更为简单，其实就是将原始 DSSM 的模型替换为了 LSTM 模型…
MV-DSSM
MV-DSSM 里面的 MV 为 Multi-View ，一般可以理解为多视角的 DSSM ，在原始的DSSM中需要训练的有 Query 和 Doc 这两类的embedding,同时里面DNN 的所有权重都是共享的，而 MV-DSSM 他可以训练不止两类的训练数据，同时里面的深度模型的参数是相互独立:
基于 Multi-View 的 DSSM 是的参数变多了，由于多视角的训练，输入的语料也可以变得不同，自由度也更大了，但是随之带来的问题就是训练会变得越来越困难^_^
总结
DSSM 类的模型其实在计算相似度的时候最后一步除了使用Cosine，可能再接入一个MLP会更加好，因为Cosine是完全无参的。
DSSM 的优势:
DSSM看起来在真实检索场景下可行性很高，一方面是直接使用了用户天然的点击数据，出来的结果可行度很高，另一方面文中的doc可以使用title来表示，同时这个部分都是可以离线进行语义向量计算的，然后最终query和doc的语义相似性也是相当诱人DSSM出的结果不仅可以直接排序，还可以拿中间见过做文章:semantic feature可以天然的作为word embedding嘛
DSSM 的劣势:
- 用户信息较难加入(不过可以基于
MVDSSM改造) - 貌似训练时间很长啊
参考
- Huang P S, He X, Gao J, et al. Learning deep structured semantic models for web search using clickthrough data[C]// ACM International Conference on Conference on Information & Knowledge Management. ACM, 2013:2333-2338.
- Shen, Yelong, et al. “A latent semantic model with convolutional-pooling structure for information retrieval.” Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management. ACM, 2014.
- Palangi, Hamid, et al. “Semantic modelling with long-short-term memory for information retrieval.” arXiv preprint arXiv:1412.6629 (2014).
- Elkahky, Ali Mamdouh, Yang Song, and Xiaodong He. “A multi-view deep learning approach for cross domain user modeling in recommendation systems.” Proceedings of the 24th International Conference on World Wide Web. International World Wide Web Conferences Steering Committee, 2015.