搜索引擎中的相关性模型

一、什么是相关性模型？

相关性模型主要关注的是query和doc的相关性。例如给定query，和1000个doc，找到哪个doc是好query最相关的。

二、为什么需要相关性模型？

熟悉es的应该都熟悉BM25相关性算法。它是一个很简单的相关性算法。我们实际使用中，经常会遇到一个问题就是如何。搜的内容和我给定的query不相关。换句话说，返回的结果不包含先要的结果。

相关性是一个复杂的问题。不是简单的Bm25算法。我们需要相关性模型来更好的做这件事。

三、相关性模型

交叉BERT模型，准确性好，推理代价大，更适合用在粗排或者精排阶段。

双塔BERT模型，不够准确，但是推理代价小。适合用来召回阶段。

3.1 交叉BERT模型

分词：字粒度与词粒度

如何减低交叉BERT模型的推理成本

3.2 双塔BERT模型

四、训练相关性模型

4.1 微调

回归任务

排序任务

4.2 后预训练 

从事发后，从以发生的事中，去再提升当前的能力。通过用户的点击行为来有优化模型。

4.2.1 数据筛选

4.2.2 后训练，构造训练数据

挑选用户的点击数据。得到query，topk的doc，以及用户的点击行为x。然后抽样几万条数据，去人工标注，标注得到相关性y，然后用这几万条数据去训练一个小模型来计算点击行为x和相关性y的关系。然后再用这个小模型去预测10亿条数据的相关性分数。

4.3 蒸馏

蒸馏是把一个大模型变成一个小模型。为什么要蒸馏，模型越大，推理成本越大，时间成本也越大，当然也越准确。

4.3.1 为什么要蒸馏？

用大模型，蒸馏得到小模型，最终的效果比直接训练一个小模型得到的效果更好。

4.3.2 如何做蒸馏

蒸馏的技巧