1. 概述

对于一个搜索系统来说，通常采用的召回都是基于倒排索引的召回，简单来说就是需要对item侧建立倒排索引，在检索的过程中，对query分词，根据分词结果去倒排索引中查找词匹配的item，简单的流程如下图所示：

在传统的检索过程中，通常存在语义上的问题，比如Query为“连衣裙”，此时根据词匹配就检索不到核心词为“长裙”的item，为了解决这样的问题，需要对Query进行扩展，将其扩展成相似的query，以此来实现语义匹配的问题。当然，词匹配的方式的一大优势就是相关性解决的比较好。为了能从算法上解决语义的gap，双塔的召回结构是现如今较多采用的一种方法。

双塔的召回有如下的一些优势：

• item侧可离线计算，线上可采用基于ANN的向量匹配方式较快的查找到向量空间与Query相匹配的item
• 基于模型的方法，可以融入更多的特征

双塔模型的第二点优势就可以方便的对模型的特征进行扩充，尤其现如今对多模态的研究，Que2Search[1]中就是提出使用多模态的方法来训练双塔模型，同时，在Que2Search的item塔中引入了分类的任务，与上面的双塔任务共同构成了多任务的训练方式。

2. Que2Search模型

2.1. Que2Search的模型结构

Que2Search的模型结构如下图所示：

左侧是一个Query侧的塔，右侧是item侧的塔。

2.2. Query塔

Query塔侧的模型的输入特征有三部分，分别为：

• Query文本的tri-gram。通过size=3的滑动窗口，得到tri-gram，过hash函数（如MurmurHash）后得到对应的ids，再经过Embedding后得到每个id的向量表示，最终对所有向量做sum-pooling；

• 用户所在国家。该特征是单分类的特征，也是经过Embedding后表示成向量；

• Query原始文本。经过一个两层的XLM模型编码，取[CLS]对应的向量作为query的语义表示；

注：XLM模型就是一个基于Transformer的语言模型，类似于BERT。

至此，我们得到了3个向量，如何将这3个向量fuse成一个向量，文中也提出了两种方式，分别为concat和attention。实验结果显示attention的结果要优于concat，假设$\varphi=\left\{\varphi _i \right\}_{i=1}^N$表示$N$个不同来源的向量，将这$N$个向量concat在一起，得到$\Phi$：

$$\Phi =\varphi _1\parallel \cdots \parallel \varphi _N$$

计算attention的权重$a$：

$$a=Softmax\left (\Phi W \right )$$

其中，$W\in \mathbb{R}^{ND\times N}$，最后得到最终的合并向量表示：$f=\sum_{i=1}^{N}a_i\varphi _i$。

这里的$\Phi$是通过concat多个向量，也有其他的一些方法，如Attention-Based BiLSTM[2]中的计算方法。

2.3. Item塔

Item塔侧的模型的输入特征有五部分，分别为：

• 商品标题。使用6层XLM-R编码；

• 商品描述。与商品标题一样，使用6层XLM-R编码；

• 商品标题的tri-gram。处理方法同query侧的tri-gram；

• 商品描述的tri-gram。处理方法同query侧的tri-gram；

• 图像表示：对于每一个商品，都会附带一些图片，通过预训练模型得到图像表示，然后过MLP和Deep set方法对多个图像表示进行融合得到一个向量表示。

多个不同来源的向量通过与上述Query塔一样的Attention的方法得倒最终的向量表示。为了能对item塔的模型更好的学习，因此在这里设置了多标签多类目的分类任务，如上图中的右侧。

2.4. 样本选择

对于双塔模型来说，一般选择点击的样本作为正样本，但是在Que2Search中，选择的正样本需满足以下四个条件：

• 用户发起一次搜索
• 点击一个商品
• 给卖家留言
• 卖家回复

只有同时满足这四个条件的query和item才能成为正样本。

负样本的选择是双塔召回模型的精髓。对于负样本通常有两种策略：

• 根据频次从全库中随机采样
• batch内的随机采样

这是随机样本的部分，通常还会增加一些困难样本，主要有人工的挖掘以及在线的困难样本挖掘。在Que2Search中随机样本是采用的Batch内的负样本，假设batch的大小为$B$，经过query塔后，query侧的向量为$\left\{q_i \right\}_{i=1}^B$，同理，item侧的向量为$\left\{d_j \right\}_{j=1}^B$，且向量的维度为$D$。计算每一个query与item的cosine相似度矩阵，便得到$\left\{cos\left ( q_i,d_j \right ) \right\}_{i,j=1}^B$，这里只有$i=j$时是正样本，其他的为负样本，如下图所示：

对于最后的$B\times B$矩阵，只有对角线上的为正样本，选择一行来看，这是一个多分类的问题，类别数为$B$。对于该多分类，损失函数为：

$$loss_i=-log\frac{exp\left ( s\cdot cos\left ( q_i,d_i \right ) \right )}{\sum _{j=1}^Bexp\left ( s\cdot cos\left ( q_i,d_j \right ) \right )}$$

其中，$s$为缩放系数，在文章中指出$s$在15和20之间。

缩放系数$s$实际上就是温度系数。

在文章中还提出了另一种对称的损失函数，上述的损失函数以query为主导，另外一部分以item为主导，基于此便有了对称的损失函数：

$$-\frac{1}{2}\left ( log\frac{exp\left ( s\cdot cos\left ( q_i,d_i \right ) \right )}{\sum _{j}exp\left ( s\cdot cos\left ( q_i,d_j \right ) \right )}+log\frac{exp\left ( s\cdot cos\left ( q_i,d_i \right ) \right )}{\sum _{j}exp\left ( s\cdot cos\left ( q_j,d_i \right ) \right )} \right )$$

不过实验表明在实际的线上并没有多大的收益。

除了上述的随机样本，还需要困难样本，在Que2Search中使用的是在线困难负样本挖掘，其方法是选择Batch内除了正样本以外所有负样本中相似度最高的样本作为困难负样本：

$$n^{q_i}=argmax_{j\neq i}^Bcos\left ( q_i,d_j \right )$$

这样就构造了正负样本的集合$\left ( q_i,d_i,d_{n^{q_i}} \right )$。

但是在Que2Search中，使用了两个阶段的训练：

• 第一阶段只使用随机负样本，通过多分类的交叉熵损失函数；
• 第二阶段只使用困难负样本，损失函数却是margin rank loss效果更好。

margin rank loss为：

$$loss_i=max\left ( 0,-\left [ cos\left ( q_i,d_i \right )-cos\left ( q_i,d_{n^{q_i}} \right ) \right ]+margin \right )$$

margin的值在0.1和0.2之间最好。

3. 总结

在Que2Search中，主要是加入了更多的文本特征，并利用基于Transformer的方法提取文本语义信息，同时在特征中融入了图像的特征，实现了多模态的模型学习。另一方面，在训练的过程中提出了多任务的学习，有利于对item塔的模型学习。

参考文献

[1] Liu Y, Rangadurai K, He Y, et al. Que2Search: fast and accurate query and document understanding for search at Facebook[C]//Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining. 2021: 3376-3384.

[2] Attention-Based BiLSTM