1 效果

1.ndcg

一个query一个ndcg

所有query的ndcg平均就是系统的ndcg

2 正逆序比

1 predict , label

https://zhuanlan.zhihu.com/p/440042900

2 feature , label

2 性能

1 p95

2 qps

1 rule based

2 tree based

xgboost/lightgbm/catboost + lambdamart ？？

xgboost/lightgbm/catboost + lr ？？

xgboost/lightgbm/catboost + yetirankpairwise

3 双塔nn

4 交互式nn

5 精排模型蒸馏

6 pretrain model

https://tech.meituan.com/2022/08/11/coarse-ranking-exploration-practice.html

https://tech.meituan.com/2021/07/08/multi-business-modeling.html

https://tech.meituan.com/2021/11/19/exploration-and-practice-of-multi-business-commodities-ranking-in-meituan-search.html

https://tech.meituan.com/2020/07/09/bert-in-meituan-search.html

BERT在美团搜索核心排序的探索和实践

模型层面

整体结构如下

1 BERT预训练

2 多任务学习

​ 场景层：根据业务场景进行划分，每个业务场景单独设计网络结构

3 联合训练

两个任务分别为：

​ 1 相关性任务：相关性+NER（多任务增强相关性）

​ 2 排序任务

怎么联合没看出来

之前是两阶段finetune： 1. 先相关性任务 2 然后排序任务

简单介绍微软出品的DSSM,CNN-DSSM,LSTM-DSSM

原文分别为：

《Learning Deep Structured Semantic Models for Web Search using Clickthrough Data》

《A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval》

《SEMANTIC MODELLING WITH LONG-SHORT-TERM MEMORY FOR INFORMATION RETRIEVAL》

首先为什么叫做双塔，query塔做在线serving，doc塔离线计算embeding建索引，推到线上即可。

注意， DSSM中query和不同的doc是共享参数的， https://flashgene.com/archives/72820.html

一.DSSM

1.1 模型整体结构

模型的整体结构如上图所示，$Q$为query，$D_i$为文档。

文本的初始词袋表示为$x$，因为参数过多，不利于训练，所以降低维度，就提出了word hashing

$$l_1=W_1x$$

word hashing其实就是利于char n-gram分词，然后用向量表示（只是这里依然用词袋表示向量，而不是稠密向量），如下所示

这里有个顾虑为是否存在不同的词使用相同的向量表示。关于这个作者做了实验，结果如下。

对于词汇数量500K大小的词表，采用3-gram后，此表压缩到30k，而且重复表示的仅为22个。重复表示率为0.0044%，维度压缩到原来6%，可以说非常有效。

然后为多层的非线性映射，每层都为全连接网络，得到

$$l_i=f(W_il_{i-1}+b_{i}),i=2,...,N-1\\$$

非线性映射层的最后一层得到语义特征$y$为

$$y=f(W_Nl_{N-1}+b_N)\\ f(x)=tanh(x)=\frac{1-e^{-2x}}{1+e^{-2x}}$$

利用余弦相似度衡量$Q$和$D$相似度得到

$$R(Q,D)=cosine(y_Q,y_D)=\frac{y_Q^Ty_D}{||y_Q||||y_D||}$$

最后的概率输出为

$$P(D|Q)=\frac{e^{\gamma R(Q,D)}}{\sum_{D^{'}\in \textbf{D}}e^{\gamma R(Q,D^{'})}}$$

其中$\gamma$为smoothing factor。

1.2 训练

样本集构造，对每个正样本$(Q,D^+)$，搭配4个随机负样本$(Q,D_j^-;j=1,..,4)$

损失函数为：

$$L(\wedge)=-log \prod \limits_{(Q,D^+)}P(D^+|Q)$$

其中$\wedge$为模型参数。

二.CNN-DSSM

2.1 CLSM结构

模型包括几个部分：(1) a word-n-gram layer obtained by running a contextual sliding window over the input word sequence (2) a letter-trigram layer that transforms each word-trigram into a letter-trigram representation vector (3) a convolutional layer that extracts contextual features for each word with its neighboring words defined by a window (4) a max-pooling layer that discovers and combines salient word-n-gram features to form a fixed-length sentence-level feature vector (5) a semantic layer that extracts a high-level semantic feature vector for the input word sequence.

2.2 Letter-trigram based Word-n-gram Representation

在DSSM的Letter-trigram的基础上加了Word-n-gram，Word-n-gram就是对原始输入文本做滑窗，对于第$t$个word-n-gram可以表示为：

$$l_t=[f^T_{t-d},...,f^T_{t},...,f^T_{t+d}]^T,\ t=1,2,...,T$$

其中$n=2d+1,f_t$为的第$t$个词语的letter-trigram。一个letter-trigram的维度为$30K$，那么一个word-n-gram维度为$n\times30K$

举个例子，如上图，输入文本为$(s) \ online \ auto\ body \ (s)$，滑动窗口大小为n=3，可得$(s)\ online \ auto，\ online \ auto \ body ，auto\ body \ (s) $，那么

$l_1=[f^T((s)),f^T(online ),f^T(auto)]^T,\\l_2=[f^T(online ),f^T(auto),f^T(body)]^T,\\l_3=[f^T(auto),f^T(body),f^T((s))]^T$

2.3 Modeling Word-n-gram-Level Contextual Features at the Convolutional Layer

语境相关特征向量$h_t$可以表示为：

$$h_t=tanh(W_c\cdot l_t),\ t=1,...,T$$

其中$W_c$为特征转换矩阵，也就是卷积矩阵，对于全部的word n-grams，$W_c$共享。有小伙伴肯定好奇，这不就是全连接吗，和卷积什么关系，俺也疑惑？

下图为作者做的一个实验。

2.4 Modeling Sentence-Level Semantic Features Using Max Pooling

获取局部的语境相关的特征向量后，我们需要把它们合在一起组合句子级别的特征向量。由于语句中某些词语不重要，我们可以忽略它，有些词语很重要，要保留。为了达到这个目的，使用了max pooling，用式子描述如下

$$v(i)= \mathop{\max}_{t=1,..,T} \{h_t(i)\},\ i=1,...,K$$

其中$v(i)$表示池化层输出$v$的第$i$个元素，$K$为$v$的维度和$h_t$的维度一样，$h_t(i)$是第$t$个局部语境特征向量的第$i$个元素。举个例子如下，

2.5 Latent Semantic Vector Representations

语义向量表示$y$，用公式描述如下

$$y=tanh(W_s\cdot v)$$

2.6 Using the CLSM for IR

和DSSM都一样，

$$R(Q,D)=cosine(y_Q,y_D)=\frac{y_Q^Ty_D}{||y_Q||||y_D||} \\P(D|Q)=\frac{e^{\gamma R(Q,D)}}{\sum_{D^{'}\in \textbf{D}}e^{\gamma R(Q,D^{'})}}$$

2.7 损失函数

$$L(\wedge)=-log \prod \limits_{(Q,D^+)}P(D^+|Q)$$

三.LSTM-DSSM

cnn-dssm只能捕获局部的文本信息，lstm对于长序列的信息捕获能力强于lstm，因此使用lstm改进dssm。

3.1 模型结构

整体结构如下图，注意红色的部分为残差传递的方向。

图中的LSTM单元是LSTM的变种，加入了peep hole的 LSTM，具体结构如下。

参考

https://www.cnblogs.com/guoyaohua/p/9229190.html