用于相关性计算的深度语义模型(续)

简述

概括来讲，就是把DSSM(见用于相关性计算的深度语义模型) 中的全连接层换成了CNN+Max Pooling，变成了CDSSM

文章全名：A Latent Semantic Model with Convolutional-Pooling Structure for Information Retrieval

网络结构

与DSSM一样，一个单词映射成ngram序列，不同的是，DSSM通过几层全连接，直接生成向量，而CDSSM通过卷积层+Max-pooling，再经过一层全连接，生成最终的向量。

其他细节

序列对应关系

需要特别注意的是，卷积后的向量是300维，这300维向量分别进行Pooling，就是说，每一个维度可能来自不同时刻的输入，通过pooling对应的时刻，可以观察到Query-Document的序列映射关系，下面是一个示例

可以看到在第102、280、84、258、192唯，Query与Document各自对应的单词/短语，这里与翻译模型中的alignment有异曲同功之处。

不同类型序列，相互独立网络

在DSSM原作中，Query与Document生成向量使用的共享网络，但文章中分别用不同的网络来生成这两类向量，后者效果更好