A Capsule Network-based Embedding Model for Search Personalization

Abstract

搜索个性化是给予用于个人兴趣和偏好将搜索结果推送到每个特定的用户。最近的研究方法通过对查询、用户和搜索结果（文档）之间的关系建模来实现搜索个性化。本文我们提出一种基于capsule的新型嵌入网络，在这个网络中，所有的查询、用户和搜索结果都用一个向量表示。这三个向量称为三元组，然后将这三个向量组合成矩阵，作为模型的输入。实验表明，我们的模型拥有比较好的性能。

模型介绍

给定user，query和query返回的搜索结果文档，我们的方法是先对文档预排序，使得相关的文档排的更高。我们的目标是训练模型对每个三元组的进行打分，使得文档与用户相关性强的三元组分数越高。

具体而言，我们通过学习用户、查询和文档的特征嵌入表达，来组成一个k \times 3的矩阵，然后将该矩阵喂进卷积层来得到居多不同的feature maps，然后作为capsule层的输入。最后一个capsule层只有一个capsule，该capsule的长度即是预测的分数。

一句话总结

所以，实际上这个论文所用的方法跟Dynamic Routing Between Capsules是一样的，只不过这里数据不一样，数据的预处理方式不一样。