Learning Deep Structured Semantic Models for Web Search using Clickthrough Data笔记
来源:互联网 发布:大作家智能写作软件 编辑:程序博客网 时间:2024/05/18 01:11
DSSM模型的优化目标是最大化点击文档的概率,该概率计算的计算方式是通过将query和doc的term vector分别映射到语义空间,然后计算每个(Q, D)的余弦相似度,再进行softmax转化成概率。在计算中有两个小点可以注意,一个是softmax函数中的系数gamma(>0),该参数用于平滑,当它大于1时,概率之间的差异会被放大,当它小于1时,概率直接的差异会被缩小;另一个是计算的时候并没有使用所有的文档,而是选取了点击的doc和4个未点击的doc,这个算法类似于word2vec里的negative sampling,用于减小softmax的计算量。
网络的结构比较简单,输入是原始的term vector,第一层将term vector映射为n-gram letter vector,之后是几个全连接层(使用tanh作为激活函数),输出层带激活。
word hashing的好处包括:(1)大大降低维度(2)减少训练集中未出现的词的影响(3)减少词性变化的影响。
作者训练该模型时使用了大小为1024的mini batch,20个epoch之后就训练完成了。并把模型和其他的常用模型进行了比较,包括(1)LSA这样的主题模型(2)无监督学习的自动编码器模型(3)基于词匹配的模型,如tf-idf,比较了NDCG指标以及pair t test显著性,DSSM指标显著高于其他模型。
DSSM的优势体现在三方面:(1)直接训练搜索目标,而不是像自动编码器那些学习无监督的目标(2)使用深度模型,能更好的提取语义特征(3)使用word hashing,从而解决了term vector的高维问题,不像有的模型不得不通过选取最频繁的部分term使得term vector截断
- Learning Deep Structured Semantic Models for Web Search using Clickthrough Data笔记
- [论文笔记]Learning Deep Structured Semantic Models for Web Search using Clickthrough Data
- 【CNNCRF】Efficient Piecewise Training of Deep Structured Models for Semantic Segmentation
- [阅读笔记]Programming Models for Deep Learning
- 【论文笔记】Deep Structured Output Learning for Unconstrained Text Recognition
- 【Deep Learning学习笔记】Dynamic Auto-Encoders for Semantic Indexing_Mirowski_NIPS2010
- using learning rate schedules for deep learning models in python with keras
- Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank
- Detection Algorithms for Communication Systems Using Deep Learning笔记
- 论文笔记《End-to-End Deep Learning for Person Search》
- Open Data for Deep Learning
- Learning and Incorporating Shape Models for Semantic Segmentation文章理解
- Deep Learning:Optimization for Training Deep Models(零)
- Deep Learning:Optimization for Training Deep Models(一)
- Deep Learning:Optimization for Training Deep Models(二)
- 【Deep Learning】笔记:Tips for deep learning
- 【Deep Learning学习笔记】NEURAL NETWORK BASED LANGUAGE MODELS FOR HIGHLY INFLECTIVE LANGUAGES_google2009
- 语义分割--Deep Dual Learning for Semantic Image Segmentation
- Hadoop修改权限问题
- C++:distance()
- 清理日志及文件内容的三种方法
- PAT甲级1017. Queueing at Bank (25)
- MongoDB基础学习二----MongoDB中常用的索引操作
- Learning Deep Structured Semantic Models for Web Search using Clickthrough Data笔记
- NTP时钟同步服务器安装
- SwipeRefreshLayout无法下拉刷新了
- 蓝桥杯-四阶幻方
- POJ1988:Cube Stacking(并查集)
- 关于内存对齐的一些总结
- Http学习<三>HTTP 首部
- react-webpack 照片墙制作(三)
- 浅谈CPU,内存, 硬盘,指令之间的关系