人工智能AI面试题-7.6什么是DSSM?有什么优缺点？

7.6

什么是

DSSM?

有什么优缺点？ 🔍 什么是DSSM? 有什么优缺点? 🤔 DSSM（深度结构语义模型）的原理十分简单，就像找数据中的宝藏一样。通过海量点击和曝光数据，我们利用深度神经网络（DNN）将查询（Query）和标题（Title）转化成低维度的语义向量。然后，我们使用余弦距离来计算这两个语义向量之间的距离，最终训练出一个语义相似度模型。这个模型可以用来预测两个句子的语义相似度，同时还能够获取某个句子的低维度语义向量表示。 ✅ 优点： DSSM 使用字向量作为输入，这样可以减少对分词的依赖。而且，这种方法可以提高模型的泛化能力，因为每个汉字的语义信息可以被多次重复利用。此外，传统的输入层通常使用无监督方法（如Word2Vec的词向量或LDA的主题向量）来映射词汇，然后将它们累加或拼接在一起。这样的方法可能引入误差，而DSSM采用统一的有监督训练，不需要在中间过程中使用无监督模型的映射，因此可以提高精度。 ❌ 缺点： DSSM 使用词袋模型（BOW），因此丢失了语序信息和上下文信息，就好像一本字典一样，单词的顺序无关紧要。另外，DSSM采用弱监督和端到端的模型，预测结果可能不太可控，有点像是迷路了的机器学习模型。 这就是DSSM的故事，它有着鲜明的优点和缺点，就像编程中的bug和feature一样，总是需要我们权衡和选择。 🚀📚