电商搜索召回

一个毫无 NLP 经验的人的比赛（挖坑填坑）之旅。

• 竞赛网址
• 个人经验

1. 实现 DSSM baseline，直接优化距离结果很差，得分 0.057
2. 实现 CoSENT，余弦距离得分 0.159
3. 实现 SimCSE，得分 0.227

tools 里面是精度转换和结果文件检查。

Trick

1. 在 model.py 中使用 first-last-avg 融合大概从 0.22 提升到 0.245 左右。

   Details

   def forward(self, input_ids, attention_mask, token_type_ids):
       out = self.extractor(input_ids,
                            attention_mask=attention_mask,
                            token_type_ids=token_type_ids,
                            output_hidden_states=True)
   
       first = out.hidden_states[1].transpose(1, 2)
       last = out.hidden_states[-1].transpose(1, 2)
       first_avg = torch.avg_pool1d(
           first, kernel_size=last.shape[-1]).squeeze(-1)  # [batch, 768]
       last_avg = torch.avg_pool1d(last, kernel_size=last.shape[-1]).squeeze(
           -1)  # [batch, 768]
       avg = torch.cat((first_avg.unsqueeze(1), last_avg.unsqueeze(1)),
                       dim=1)  # [batch, 2, 768]
       out = torch.avg_pool1d(avg.transpose(1, 2), kernel_size=2).squeeze(-1)
       x = self.fc(out)
       x = F.normalize(x, p=2, dim=-1)
       return x

2. 在 unilm 文件夹下，进行 UniLM 预训练，大概 0.265 左右，损失在 1.3x 左右。预训练模型下载: YunwenTechnology/Unilm

参考

• CoSENT 实现
• SimCSE 实现

致谢

本仓库中的工作得到西安电子科技大学高性能计算校级公共平台的支持. Supported by High-performance Computing Platform of XiDian University.