1. 简介
- 本文介绍了embedding技术在Facebook搜索的应用。本文主要介绍embedding技术在Facebook搜索召回的应用，简单来说就是将Query, Doc都表示成向量，然后通过计算Query Embedding最近邻Doc Embedding来召回相关文档。召回层使用的技术一般有两种：一种是基于term匹配的倒排索引召回，另外一种就是基于Embedding的召回。 文本Facebook提出的基于Embedding的召回模型，也是一种双塔召回模型，类似DSSM模型结构，本文称之为Unified Embedding模型。Unified Embedding模型在得到Query, Doc embedding的时候，不仅考虑了文本信息，还考虑了上下文信息。
基于Embedding检索系统架构.png
2. 模型结构&Loss
- Unified Embedding模型结构如下，模型由三部分组成：
（1）Query Encoder用于得到Query的向量；考虑了额外的上下文信息，比如当前搜索位置，社交属性特征。
（2）Doc Encoder用于得到Doc的向量；也考虑了额外的上下文信息。
（3）Similarity Function用于计算Query, Doc embedding相似度；本文选用的cosine相似度。 - 离线会将Doc的embedding事先计算好存起来，Query的embeding在线计算，然后使用faiss召回最相似的Doc；
- 本文选用的损失函数是Triplet Loss，输入是一个三元组包括：
；数学表达式如下，其中
表示margin值，需要自己设定，这个值对结果的影响非常的大。
Triplet损失函数.png
Unified Embedding模型.png
3. 样本选择&Hard negative挖掘
- 负样本的选择： 本文尝试了两种方法，第一种是随机选择负样本，第二种是将曝光未点击的样本作为负样本。最后发现将曝光未点击作为负样本，导致了非常差的结果。
- 正样本的选择： 第一种是将点击样本作为正样本，第二种是将曝光样本作为正样本。最后发现效果基本一样。
- Hard negative样本挖掘：具体这块参考知乎大佬的解释：负样本为王：评Facebook的向量化召回算法
参考论文
- [Facebook EBR] Embedding-based Retrieval in Facebook Search
https://arxiv.org/abs/2006.11632 - [bpr loss] BPR: Bayesian Personalized Ranking from Implicit Feedback
https://arxiv.org/pdf/1205.2618.pdf
参考资料
- 负样本为王：评Facebook的向量化召回算法 【重点阅读】
https://zhuanlan.zhihu.com/p/165064102 - triplet loss
https://zhuanlan.zhihu.com/p/171627918 - bpr loss
https://blog.csdn.net/qq_35541614/article/details/103816504
