2019-08-09工作进展

昨天工作:
使用类目过滤信息对dssm网络进行finetune,正样本采用的类目过滤之后剩下的数据,负样本采用的是dssm模型认为是正样本但是被类目过滤掉的数据。finetune之后相关性好了很多,关联到的视频有20w左右,相关数据在表:graph_embedding.hs_query_cluster_finetune。

今天计划:
发现结果中还是有非常多的query中的关键词在关联到的title中没有体现出来,但是query中大多数的词都是非常重要的,现在的想法是通过构造query关键词表并在预处理过程中增加其权重的方式改善dssm网络效果。

  1. finetune训练集获得

drop table graph_embedding.hs_query_ugc_co_video_final_result_info_4;
yes
create table graph_embedding.hs_query_ugc_co_video_final_result_info_4 as
select distinct a.* from
(select * from graph_embedding.hs_tmp_170 where score > 0.5 )a join (select * from graph_embedding.jl_top_query_related_cate)b on
a.query == b.se_keyword and a.cate_id == b.cate_id;

得到 hs_tmp_170 - hs_query_ugc_co_video_final_result_info_4 作为负样本

drop table graph_embedding.hs_tmp_196;
yes
create table graph_embedding.hs_tmp_196 as
select a.*, b.video_id as video_idb, b.query_id as query_idb from
(select * from graph_embedding.hs_tmp_170 where score > 0.5)a left join (select * from graph_embedding.hs_query_ugc_co_video_final_result_info_4)b on a.video_id == b.video_id and a.query_id == b.query_id;

drop table graph_embedding.hs_tmp_195;
yes
create table graph_embedding.hs_tmp_195 as select video_id, query_id, 0 as label from graph_embedding.hs_tmp_196 where video_idb is NULL and query_idb is NULL;

drop table graph_embedding.hs_tmp_197;
yes
create table hs_tmp_197 as select video_id, query_id, 1 as label from hs_query_ugc_co_video_final_result_info_4;

create table graph_embedding.hs_tmp_198 as
select distinct c.se_keyword_mainse_ws, d.emb as title_mainse_ws, c.label from
(select a.*, b.emb as se_keyword_mainse_ws from (select * from graph_embedding.hs_tmp_197)a join (select * from graph_embedding.hs_tmp_184)b on a.query_id == b.id)c join (select * from graph_embedding.hs_tmp_185)d on c.video_id == d.id;

insert overwrite table graph_embedding.hs_tmp_198 select * from graph_embedding.hs_tmp_198 DISTRIBUTE by random();

pai -name tensorflow140 -Dscript="file:///home/hengsong/origin_deep_cluster_odps_8.tar.gz" -DentryFile="finetune_inference_v7.py" -Dcluster='{"worker":{"count":100, "cpu":200, "memory":4000}, "ps":{"count":10, "cpu":200, "memory":5000}}' -Dtables="odps://graph_embedding/tables/hs_tmp_198,odps://graph_embedding/tables/hs_tmp_193,odps://graph_embedding/tables/hs_tmp_187" -Doutputs="odps://graph_embedding/tables/hs_dssm_result_3" -DcheckpointDir="oss://bucket-automl/hengsong/?role_arn=acs:ram::1293303983251548:role/graph2018&host=cn-hangzhou.oss-internal.aliyun-inc.com" -DuserDefinedParameters="--learning_rate=3e-4 --batch_size=1024 --is_save_model=True --attention_type=1 --num_epochs=1 --ckpt=hs_ugc_video_4e_1.ckpt" -DuseSparseClusterSchema=True;

create table hs_tmp_200
as select c.query, d.title, c.score, c.query_id, c.video_id from
(select a.*, b.query from (select * from hs_dssm_result_3)a left join (select * from hs_dssm_dic_query_inf_1)b on a.query_id == b.id)c left join (select * from hs_dssm_dic_title_inf_1)d on c.video_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 215,634评论 6 497
  • 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 91,951评论 3 391
  • 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 161,427评论 0 351
  • 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 57,770评论 1 290
  • 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 66,835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 50,799评论 1 294
  • 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 39,768评论 3 416
  • 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 38,544评论 0 271
  • 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 44,979评论 1 308
  • 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 37,271评论 2 331
  • 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 39,427评论 1 345
  • 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 35,121评论 5 340
  • 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 40,756评论 3 324
  • 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 31,375评论 0 21
  • 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 32,579评论 1 268
  • 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 47,410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 44,315评论 2 352

推荐阅读更多精彩内容

  • graph_embedding.jl_jingyan_query_related_top_query_detail...
    Songger阅读 392评论 0 0
  • rm -rf ../../origin_deep_cluster_odps_8.tar.gztar -cvzf ....
    Songger阅读 294评论 0 0
  • set odps.sql.mapper.split.size=1;昨天工作: 重新处理数据集,给一些重要的关键词,...
    Songger阅读 270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
  • 伏天说 •陶醉 2015.7.13 少时懵懂不解痛,惯看白眼冷暖心。 辛酸遭逢迷津路,直道人间无蹊径。 渐...
    闲敲棋子Ray阅读 255评论 0 0