20190805工作进展

上周五工作:

  1. 使用手肘法测试top 1w query最佳聚类类别数,但是在这一数据中,sse斜率变化不大,分析的原因是数据太乱,无法找到最合适的类别数。在1000-1500类之间取1370类的时候sse曲线斜率变化最大,使用这一数据进行了测试,程序一直申请不到资源。
  2. 使用最朴素的dssm_v0算法进行query和title的关联,程序已经跑通,训练阶段完成,今天进行测试。

今天计划:
使用query top 1w和ugc 的title对训练得到的dssm_v0进行inference测试。

  1. query的加权embedding的query

拿到分词结果及各词权重
create table graph_embedding.hs_dssm_dic_query_2 as
select graph_embedding:hs_split_1(id, pair, "|") as (id, word, weight) from
(select bi_udf:bi_split_value(id, tag_result, "%") as (id, pair) from
(select id, search_kg:alinlp_termweight_ecom(se_keyword, "%", "{word}|{weight}", 1, 1) as tag_result from graph_embedding.hs_dssm_dic_query_1 where lengthb(se_keyword) > 0)a)b where lengthb(b.pair) > 0;

对分词结果进行embedding
create table hs_dssm_dic_query_3 as select id, word, weight, search_kg:alinlp_word_embedding(word, "100", "CONTENT_SEARCH") as word_emb from hs_dssm_dic_query_2;

embedding 结果加权平均得到词向量
create table graph_embedding.hs_tmp_160 as select id, graph_embedding:hs_merge_emb_14(weight, word_emb) as emb from graph_embedding.hs_dssm_dic_query_3 group by id;

  1. 得到inference的加权平均embedding

train_query : hs_dssm_dic_query_1 - | id | words_mainse_ids | se_keyword |
train_title : hs_dssm_dic_title_3 - | id | words_mainse_ids | title |


inference_query : hs_dssm_dic_query_inf_1 - | id | words_mainse_ids | query |
inference_title : hs_dssm_dic_title_inf_1 - | id | words_mainse_ids | title |


hs_dssm_dic_query_inf_1 -> he_tmp_162

create table graph_embedding.hs_dssm_dic_query_inf_2 as
select graph_embedding:hs_split_1(id, pair, "|") as (id, word, weight) from
(select bi_udf:bi_split_value(id, tag_result, "%") as (id, pair) from
(select id, search_kg:alinlp_termweight_ecom(query, "%", "{word}|{weight}", 1, 1) as tag_result from graph_embedding.hs_dssm_dic_query_inf_1 where lengthb(query) > 0)a)b where lengthb(b.pair) > 0;

create table hs_dssm_dic_query_inf_3 as select id, word, weight, search_kg:alinlp_word_embedding(word, "100", "CONTENT_SEARCH") as word_emb from hs_dssm_dic_query_inf_2;

create table graph_embedding.hs_tmp_162 as select id, graph_embedding:hs_merge_emb_14(weight, word_emb) as emb from graph_embedding.hs_dssm_dic_query_inf_3 group by id;

hs_dssm_dic_title_inf_1 -> hs_tmp_164

create table graph_embedding.hs_dssm_dic_title_inf_2 as
select graph_embedding:hs_split_1(id, pair, "|") as (id, word, weight) from
(select bi_udf:bi_split_value(id, tag_result, "%") as (id, pair) from
(select id, search_kg:alinlp_termweight_ecom(title, "%", "{word}|{weight}", 1, 1) as tag_result from graph_embedding.hs_dssm_dic_title_inf_1 where lengthb(title) > 0)a)b where lengthb(b.pair) > 0;

create table hs_dssm_dic_title_inf_3 as select id, word, weight, search_kg:alinlp_word_embedding(word, "100", "CONTENT_SEARCH") as word_emb from hs_dssm_dic_title_inf_2;

create table graph_embedding.hs_tmp_162 as select id, graph_embedding:hs_merge_emb_14(weight, word_emb) as emb from graph_embedding.hs_dssm_dic_query_inf_3 group by id;

得到inference数据

create table graph_embedding.hs_tmp_156 as
select c.query_id, c.title_id, c.query, d.emb as title from
(select a.*, b.emb as query from (select * from graph_embedding.hs_tmp_157)a left join (select * from graph_embedding.hs_tmp_162)b on a.query_id == b.id)c left join (select * from graph_embedding.hs_tmp_164)d on c.title_id == d.id;

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,651评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,468评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,931评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,218评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,234评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,198评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,084评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,926评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,341评论 1 311
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,563评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,731评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,430评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,036评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,676评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,829评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,743评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,629评论 2 354

推荐阅读更多精彩内容

  • 昨天工作: 对dssm网络进行inference测试,效果还是不好,网络存在过拟合的问题。尝试使用early st...
    Songger阅读 427评论 0 0
  • 昨天工作:dssm网络效果调优(40w数据量)。现在的效果是在网络训练过程中(acc:0.966, auc:0.8...
    Songger阅读 368评论 0 0
  • graph_embedding.jl_jingyan_query_related_top_query_detail...
    Songger阅读 394评论 0 0
  • 使用top1000来取title (0) 得到query_title对应表create table if not ...
    Songger阅读 243评论 0 0
  • 一直很喜欢笔墨的味道,而如今随着科技的发展,有些事情便不再复曾经。文字的魅力演变成键盘来敲击,这大概是笔者另一...
    夏荷梦阅读 484评论 0 4