背景

搜索和推荐经常会被放在一起对比，其中最突出的区别就是搜索中存在query，需要充分考虑召回内容和query之间的相关性，而如果内容是搜索广告，则对内容有更高的要求，相关性过低的内容被展示会让用户有很差的体验。

相关性在一定程度上可以被抽象成doc和query之间的语义相似度问题，其实当前语义相似度的研究已经非常成熟，在sigir2018中有人曾经对搜索和推荐中的深度学习匹配进行了非常全面的综述：Deep Learning for Matching in Search and Recommendation^[1]。在语义匹配上，大家的关注点经常在于如何去定义“匹配”上，尤其是分析如何将两者的编码内容更好地匹配起来。

常见的其实就是两个思路：

• 前者是重表示学习，也就是我们常说的“endocer”，然后通过简单的方法计算他们的相似度（如余弦相似度）。最具有代表性的应该是DSSM^[2]等双塔模型了。
• 后者则重相似度计算，encode之后，通过句子之间的交互关系计算相似度，达成目标。常用的交互计算就是两个句子token间相互attention的过程，当然也有一些两者一起进入encoder共同计算的方法，比如BERT中的Text_a+Text_b的训练方式，就是同时进行句内和句间的表示计算。

虽然语义相似度问题已经有很多解决办法了，然而事实上，在应用过程中，相关性和相似度还是有着很大的差距，因为搜索内容的细微变化会带来较大的语义意图变化。比如用户想买“手机充电器”，但结果出了“手机壳”。虽然两者有一定的相似度，但明显是不相关的。

回过头来谈搜索广告，搜索广告是搜索中商（zhuan）业（qian）化的一环，希望的是能给到用户尽可能接触的东西尽可能相关，本来广告点的人就少，还无关就更凉凉了。

不慌，今天就介绍一个最新方法，来自亚马逊ACL20的《Learning Robust Models for e-Commerce Product Search》^[3]，文章主要用在商品搜索的场景下，目的是判断query和item/doc之间的相关性。文中提出了一个与“对抗生成网络”类似结构的模型^[4]，其中的判别器能够衡量query和doc之间的相关性，判断两者是否相关，生成器则能够生成与query相似却不相关的doc，借助类似对抗生成网络模式的训练，能够在较多噪音数据下，仍尽可能保证模型的鲁棒性。

模型

问题定义

为了更好的对模型进行描述，对问题进行定义，对一个匹配对，其中文档内容和对应的query ，表示两者的匹配情况，表示两者不匹配而表示两者匹配，而在建模过程中，会产生一个，当时会有。

模型架构

想要学东西，看论文肯定不能错过模型部分了。

模型主要分为3大部分：

• LSTM-attention为基础的分类模型（蓝色虚线框）
• 变分编码-解码生成器（a variational encoder-decoder query generator，VED）（红色虚线框）
• 状态融合器（橙色实心矩形）

分类器

上面提到，分类器是一个LSTM-attention模式的模型。它的模式是基于(Rocktaschel et al., 2015)^[5]产生的，作者认为搜索场景的语句格式和常规的自然语言会存在差异。首先query和对应的物品title，在语法结构上会存在不同，query一般较短，而title的描述则更多的是关键词的堆砌。广告场景下的query和title，更可能是一个多对一的情况，比如“红色跑鞋 耐克”和“红色 耐克运动鞋”都对应着同一个商品；另外，query中存在的对属性的描述，如品牌颜色等（电商场景），这些属性会在长句中出现，因此需要具有一定记忆性的模型。综上，作者对query和物品的标题title分别进行了不同的词向量训练，最终合并然后计算。

底层的输入本就有两块，一块是titie，另一块是query，两者分别通过自己训练的word2vector进行编码，然后如图所示地进入各自的LSTM，其中还能看到的是query的LSTM其实还用了title LSTM的末端信息信息，随后，进入了一个additive attention，其实是一种比较常规的attention方法(Bahdanau et al., 2014)^[6]，此后，就进入三层全连接，最终完成了匹配度的计算。

值得注意的是里面attention的使用，作者虽然使用的是additive attention，但是还提出了一个改进，这个改进把attention本来不包含上下文信息的模式升级为考虑了上一期信息的模式，来看看他具体是怎么做的：

设为LSTM的输出维数，和是title和query分别经过各自LSTM的输出矩阵。

要理解attention，首先要弄明白的是attention的对象和依据，显然，构造的时候，我们针对的是query中LSTM输出后每一个节点进行计算的，因此公式表示的意思是，对于query中的每个词，分别对title的表示进行attention并得到分数，另外计算时引入了，目的是加入t-1步之前模型主要focus的信息。

当然了，attention只是一种对信息的调整，最终还要考虑原来的信息，汇总出去，于是有：

其中是query经过LSTM后的最终输出。得到的就是query这一次送入全连接层之前的形态。

细心的我们可以发现，除了我们计算得到的和，还多考虑了，作者给出的解释是提升分类的效果，具体的体现就在于前面所提到的query和item之间的“多对一”的关系，attention中考虑了query中每个位置和title整体的关系后计算得到，而这个通过参数的训练，其实能够表示一整批与title相关的query，具有统一的表达能力，此时则能够体现这个所谓“统一的表达”与特定query之间的差距。

最后，当然就是损失函数了：

 

 

其中是一个调整正样本权重的超参数，在本文中会更看重正样本（不匹配的），因此有。

文本生成器

搜索引擎下正样本（不匹配）很简单，但是要找到与对应title不匹配，但是和对应query比较相似的文本，也就是我们所说的“对抗样本”，真的不容易，我们希望的是找到对抗样本协助训练，从而提升模型的鲁棒性。

文章里作者使用的是VED——变分编码解码器，我们希望的是，输入，能够生成一个，这个与不匹配，但是与非常接近（其实某种程度上可以理解为我们要去挖掘相似度分类的“决策边界”）。作者本身对VED没有很多的改进，而是直接沿用(Bahuleyan et al., 2017)^[7]的操作，具体的格式就变得很简单：

生成器和query的联动

由于内部其实涉及了两个任务：分类和生成，要使这两者总体端到端化，有必要涉及一个统一的损失函数，权衡两者使两者尽可能同时达到最优。

回过头来重新看看整个模型架构，尤其是橙色部分：

这里的和分别是query和生成的query分别通过query LSTM后产生的结果，是一个满足概率为的伯努利分布。

展开来看看这个公式其中的原理，首先，如果query本身就和title不相似，也就是，则整个公式下其实就只使用了原始query，相反，如果，则完全使用生成的query。而为了产生一定的噪音，引入了一个随机数。

损失函数设计与训练

双重任务——分类和生成，那就要谨慎考虑两者的联合学习了，为此作者设计出了这么一个公式：

仔细看看这个公式是不是和上面公式(3)有些类似？说白了，只有当query和titile非常相似的时候（负例），才会更多的考虑生成器生成的query与title之间的相关性。但是其实我们可以发现，上面这个损失函数，无论是看query还是生成的query，都只是在分析他们与doc的不相似性，换言之都是再考虑“正样本”，而没有负样本，实际上他们是怎么做的呢？来看看他们的训练流程。

在训练过程中，首先要做的是对分类器进行第一轮训练，然后用分类器划分出相似和不相似的query，然后用这块数据训练出第一版本的VED，在此基础上，再用公式(4)作为损失去做调整，最终得到需要的模型，尤其是这个分类模型。

实验与效果

有了基本的模型以及一定的理论基础，当然就要开始实操这块的内容了。作者是针对电商搜索来进行的设计，当然就要用电商的数据进行实验，实验数据量将达到了320万对，其中只有少量是不匹配的，这里面的“匹配”是指query查询后频繁购买的那些商品的title。

模型效果

以gbdt为基线（说实话这里其实并不太同意用gbdt来做基线，我的视角看语义相似度他并非主流，dssm才是比较出名的基线），可以看到还是有比较明显的提升，从这里看，作者的模型效果甚至要高于著名的bert，哪怕是只有分类器，在加上生成器进行协助训练后，效果得到了进一步的提升。

不仅离线评估效果喜人，QUARTS在线上也获得了很好的表现，经过在两个国家的A/B测试后，相比当前的基线分别提升了12.2%和5.75%。

生成器效果

生成器的效果，根据作者分析现实准确率能达到82%，算是一个不错的水平吧，来看一些case：

可以看到，如作者预期，query和生成的query具有较高的相似性的同时，也能够满足与对应title之间的关系。

结论与展望

读完这篇文章后，我们需要做的，当然就是吸收这篇文章提到和提出的一些建模的trick：

• 在进行语义相似度时，query和title的embedding可以通过设置两个来表达不同的语义句式。
• attention中引入上一期的信息。
• 在进行语义相似度时，attention对query进行处理，可以加入title的所有信息辅助生成。
• （核心）变分编码产生正样本对原模型进行微调。

这里面让我感到比较惊喜的是，bert被干趴下了，而且输得挺多的，不过这主要是因为BERT是在DSSM基础上进行的改进，其实可以尝试把本文模型下训练的title embedding和query embedding都换成bert，估计会有新的提升（但模型估计会蹭蹭蹭的变大）。那么我下面给一些可以尽可能提升的思路吧（快记着，下一篇顶会就是你的了）

另外，我还想提的一个点是，在bert被干趴下的同时，这个模型除了LSTM之外本身没有复杂度很高的操作，耗时预计就在10ms左右。

• 中文是否有这个效果？
• 搜索的query大都是短句，现在看来效果还是不错的，但是从上面生成器的效果来看，还是出现一些语义类似但是文本匹配低的情况，是否可以加入文本匹配的信息协助保证文本层面的匹配度（如BM25）。
• 相似度的衡量目前比较粗暴，直接用的全连接，是否有必要升级为余弦、矩阵相似度？
• 尝试训练一个title embedding和query embedding都换成bert的模型，然后用本文的模型来做蒸馏，估计还会有提升。