前言

今天给大家分享一篇 SIGIR 2020 的文章：KEPS，用图谱来辅助优化个性化搜索。整篇文章首先充满学术风，充分且完备的设计了模型和实验，其次很多思路也可以在工业界中进行借鉴。一开始我只是大概扫了一下作者列表，看的过程中就觉得应该是学术界和工业界合作的一篇文章，果然是人大和微软都有署名~

顾名思义，这篇文章的主要工作是一个基于知识图谱来优化的个性化搜索模型，命名为 KEPS。整个工作可以分为四部分：首先是构建一个个性化的实体链接网络；然后再进行用户画像的构建；接下来就可以利用搜索意图和用户画像对文档进行个性化排序；最后再根据用户的点击结果对实体链接进行调整。

首先是个性化搜索的情况，本质上是根据用户的历史行为来判断现在搜索的目的。这种做法的缺点是不能利用到一些外部信息，比如樱花和日本之间的关系就无法获得；另外一方面是利用实体链接的方法，可以获得外部信息，但是不善于处理模糊语义，比如 cherry 到底是在说樱桃，还是说键盘？

直觉上很容易想到，将这两者结合起来，就可以互相弥补，实现一个有效的个性化搜索功能

上面这幅图展示了用户输入 “cherry review” 时的一个流程，从用户的历史行为可以看到这里 cherry 这个实体指的是樱桃花。接着通过实体链接图谱，找到樱花和 Tokyo，Sakura 之间的联系，进而就可以得到一些相关的文档了。

整体流程

接下来我们简单的介绍一下文章整体的思路，下面这幅图给出了本文四部分主要的流程框架：

首先是 personalized entity linking，主要是为了更好的识别 query 意图；接下来是 user profile constructing，根据 query 意图来构建用户偏好模型；第三部分是 personalized ranking，根据前面得到的 query 意图和用户偏好来构建一个对文档相关性进行个性化排序的模型；最后是 post ranking entity linking adjustment，根据用户点击的反馈来调整前面 query 实体链接的概率，进一步优化本次搜索序列中接下来的搜索结果。

personalized entity linking

首先我们搞清楚一个实体链接网络是什么形式的，一张图，节点是不同的实体，边是实体之间的链接关系。在本文中边就是两个实体之间链接的概率，更具体的说，本文中的边表示的是「用户输入的 query 中提到的实体 i 和某个实体意图 j 链接的概率」：

上面的式子是一个计算过程，在给定 query 和历史行为 H 的情况下，实体 i 是 意图 j 的概率为 p_ij。所谓的个性化的实体链接，其实就是针对不同的用户历史，这里的 p_ij 都会是不同的取值，那么问题就转变到了如何构建出来个性化的 p_ij，具体的内容通过下面这幅图进行介绍：

以中间为界，可以将上下两部分分为 query 的实体和文档的历史交互记录，以及 query 的实体和对应意图之间的历史交互记录。而每一部分又可以左右分为长期的历史行为和短期的历史行为。

在这里需要补充一个作者提到的关键点，作者认为用户的历史查询可以分为多个 session，每个 session 是一个短期历史行为，而整个历史行为则是作为长期历史。比如用户当前想搜索一些关于旅游的信息，那么当前这个 session 中他搜索的行为都是一个主要目的，本次搜索就对下一次起到重要影响。

上面 p_ij 公式中的 f(*) 函数的内容就如下：

这两个式子分别计算了当前 e_ij 和当前 query 的关联程度，以及 e_ij 和历史行为的关联程度，在历史行为部分也分别考虑了长期和短期。

通过这种办法可以构建出一个个性化的实体链接图，实体与意图之间的边就是 p_ij。接下来介绍用户画像的构建方法。

user profile constructing

使用前面的实体链接来反映用户的搜索意图，对应的来检索用户与此意图相关的搜索历史，通过相应的文档点击历史来构建用户偏好。在本文中，使用 key-value memory network 来保存用户的历史。与第一部分类似，本文既考虑实体的历史记录，也考虑文档的历史记录。整体结构如下：

这里作者利用 memory network 来构建用户偏好，分别从实体的 memory network 和文本的 memory network 两部分来构建，以前者为例，我们简单的介绍一下。

entity memory network

这里将用户历史行为中的 query 「实体」向量作为 key，然后点击过的文本向量作为 value，然后利用下面的公式来计算用户短期历史的实体偏好，长期历史只需要将公式中所有的 s 换成 l ，同样的计算思路。

这里的 k 表示 memory network 中的 key， v 表示 value，所以简单点理解计算思路就是，利用实体 key 和前面的实体链接概率图来作为权重，再对 value 进行加权，获得最终的偏好表示。

文章中对得到结果进行了进一步处理，但是和这个思路一致，将得到的偏好和当前 query 结合起来再查询一次 memory network，也就是图中标注的 read 2 hop。

text memory network

文本的 memory network 也是类似的思路，不同之处在于前面的 entity memory network 将 query 的实体向量和文档的向量分别作为 key 和 value，而这里将 query 本身的向量作为 key，将对应点击过的所有文本向量的平均值作为 value。

不同的 key 和 value 其实是提供了不同的特征表达方式，而考虑到直接用 query 的 embedding 不能充分的表示当次搜索的意图，作者还添加了 t_s 短期兴趣作为 query 的补充。所以计算方法就成了如下这样：

计算思路和前面一致，这里是用短期历史作为例子，长期也是同样的思路。

personalized ranking

通过前面的两个部分，可以得到用户的意图概率，用户的偏好画像，然后就可以进一步来对候选的 item 进行排序，这里以文档排序为例，计算公式可以简化为这样：

相当于分别计算文档和用户意图的相关性，候选文档和用户偏好的相关性，以及候选文档与输入的 query 之间的相关性。三部分的 embedding 向量进行拼接，经过一个 MLP 层就是最终的排序得分。

以文档与意图的相关性进行示例：

每次的计算中，同时考虑了文档和长期与短期，文本与实体，共两个维度，四种组合的相关性，并将最终结果拼接起来作为最后的计算结果。

这样就充分考虑了前面的工作成果，并将其结合起来作为对候选文档的个性化打分的依据，输出一个个性化的排序结果。

post ranking entity linking adjustment

在给用户展示了排序好的文档后，根据用户的当次点击情况，可以再作为标签反馈，对实体链接图进行调整。

作者在文中举了这样一个例子，首先，每次搜索的一个 session 中，用户搜索的意图背景可以看做是相似的。在这样的前提下，假如用户搜了 Java 相关的内容，当他再搜编程书的时候，我们就可以优先展示 Java 相关的编程书籍。

具体的调整思路，也就是根据用户点击的文档，以及其中提到的实体，来更新前面构建的个性化实体链接图：

训练与实验

最终作者将所有的内容整合起来，用一个 pair-wise 的损失函数来直接进行训练，一次传播中对涉及的所有参数都进行更新，具体的 loss 就比较简单了：

d+  和 d- 两个分别表示正样本和负样本，也就是给用户展示了以后，用户点击与每点击的文档。

实验部分作者做了很多工作，感兴趣的同学可以去找论文看看，作者除了对比了一些 baseline 的搜索方法，也对比了一些 sota 的工作。

除了与别的工作作对比之外，作者也进行了很多自身的对比，比如删除自己模型的不同部分，分别进行效果的验证。大家可以在后台输入关键词获得论文，再自行欣赏。

总结

这篇文章整体的思路还是比较清晰，很多设计不是非常新颖，但却考虑的很周到，事业设计也很完备。我们组做搜索，感觉对于长短期历史行为的设计，的确得到了一些启发，可以做的更精细些。相关从业者的小伙伴可以灵活借鉴其中的一些思路，对自己的工作提供帮助，

想看论文的小伙伴，可以在后台输入「KEPS」，获得论文的网盘链接（PS：因为之前下载的比较早，后来有朋友想看这篇文章说找不到，不知道是啥原因，我后来也没找到，所以放到了网盘里，供大家有需要的小伙伴学习。

喜欢文章的同学点个再看哟~