搜索中，通过点击日志得到的query-doc 对儿提供了丰富的有价值的信息。基于点击形成的图，提出了“向量传播算法”来学习 query 和doc的向量表示，且在同一语义空间。此算法同时包含了点击和内容，而且产生的向量可以直接提升点击日志中的query-doc的排序效果。对于点击日志中没有的query和document，提出了两步框架来提升向量的覆盖度，并且保证较高的水平。
1. 针对点击日志中出现过的query和doc，从任意一方初始化开始，如对query进行分词，表达成字典空间的向量。然后对doc向量进行计算，用doc向量再对query向量进行更新。重复此步骤。
优点 ：1） 字典空间大小可以控制，向量维度也就可控。 2）query 和doc 可以直接算相似度。 3）可以直接用点击日志优化已出现过的query的排序。 4） 不用存query * doc pair 个数据，存的是 query + doc 条数据。
缺点：经过足够多次的迭代，同一簇内query与doc 的向量趋于相同，而这个向量表达实际是同一簇（通过点击的相同doc 构造的）内 所有query中出现的词的重要程度。而随着传播次数的增加，向量损失了query本身词的分布信息。因此：1） 对给定的query，在点击日志中，出现过多个点击的doc，且点击次数有很大差别。但是在排序时，计算的query-doc相似度并无区分度。
这个相似度有用，但是基本不是用这个值去完全决定排序的用法。在我遇到的场景下，需求是重排很小的一部分候选集。当然这个候选集的生成式其他模块负责，已经保证了相对较高的相关性和其他条件等等。
而以这个相似度为基础，maybe可以继续做一些其他的工作。如之前IDRN中提到的，以query-query 相似度为基础，对query进行聚类。再对其他一些没有label的query进行分类。
那个里面用三个方式来表达query(short)，三个方式粒度不同，也从统计、语言等不同角度去表达。1）细粒度的cluster 2）稀疏的上述传播后的向量 3）粗粒度的分类
算法实现主要部分：
1 ) 构造二部图 ，query 向量初始化。
2）遍历（深度或广度），得到簇。簇内进行计算。实际向量的传播，不依赖于簇。但是1. 要得到簇的id及包括的节点，方便后续用新的日志对向量更新，不用将整个图都读一遍。 2. 为了粗略看效果方便 。
3）向量的传播，向量都用稀疏向量存储。
后续：1）传播少的次数，保留query本身的词的分布。初步看query彼此相关性和query-doc相关性，是合理的。2） query本身很短，因此向量很稀疏。如果从doc方进行初始化，不知道效果如何。
2. 对于未出现的query，当然要求query中的词要在点击日志中出现过啦。主要是通过将词也映射到这个空间内，然后把词的向量拼成query的向量，来解决query-doc的相关性。
大概步骤：
1）query 分词得到ngram 的units。 以query为桥梁，建立一个unit-doc的二部图。用同上的方法，计算unit的向量。
2） 以unit向量、query向量为输入，训练一个线性回归模型，得到unit的权值。
3） 对于新的query， 用unit的向量加权计算得到query的向量，再算query-doc的相似度。
后续：待实现和补充细节。
