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，假设表示
个不同来源的向量，将这
个向量concat在一起，得到
：
计算attention的权重：
其中，，最后得到最终的合并向量表示：
。
这里的
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，经过query塔后，query侧的向量为
，同理，item侧的向量为
，且向量的维度为
。计算每一个query与item的cosine相似度矩阵，便得到
，这里只有
时是正样本，其他的为负样本，如下图所示：
对于最后的矩阵，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
。对于该多分类，损失函数为：
其中，为缩放系数，在文章中指出
在15和20之间。
缩放系数
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：
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：
这样就构造了正负样本的集合。
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：
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.