DSSM现在应该已经算是经典的文章了，有些年头了。网上已经有很多优秀的博客对该算法进行分析，建议去看那些文章，讲的比较全面。
DSSM的思想是利用搜索点击数据，分别将query和documents利用DNN映射到高纬语义空间，然后将query和document的高纬语义向量利用余弦相似度，对向量进行相似度计算。
训练阶段，对于点击数据，如果在当前query下，被点击的document认为是正样本，没有点击的document认为是负样本，正常的搜索行为，每个query会返回很多的相关documents,而用户则会找到最需要的进行点击查看。所以模型需要做的就是对全部的document进行排序，让最相关document的排序分值最高。但是每个query对应的document数量比较大，所以并不需要对全部的documents，因此可以对documents进行采用，训练的时候只报表被点击的document(正样本)，没有点击的随机采样若干个（论文里采样了四个）。
后续也有人直接利用query-document样本对来进行训练，训练数据格式为（label,query,document）,如果在query下，document被点击则label为1，如果没有点击则label为0。然后对负样本进行采样。尽量不要让正负样本悬殊过大。
模型
上图为模型结构，最下面的term vector是将query和document做词袋模型展开，形成一个很长的稀疏向量，作为模型的输入。
这里，因为英文单次量很大，这样做词袋模型的话，维度太大，输入数据很稀疏，因为为了解决这个问题，用了一个hash trick来解决这个问题，叫做WordHashing。就是上图的倒数第二层。
词hash其实就是把一个英文单词，利用n-grams把单词切开，比如把good用tri-gram切，切完就是（#go,goo,ood,od#），然后按切好的tri-gram对整个query或者doc做词袋模型。这样就能显著降低输入特征的维度。就和中文一样，中文其实字的数量并不多，可能几万个字就能覆盖很多的场景了，但是一旦扩展的词的量就会很大。
但是这个方法在中文里，基本没啥用，当然有能力可以把中文的字拆成各个部首也可以试试，这个之前在看NER相关文章的时候还真有这样做的。
针对中文的话，直接分词就可以了，然后统计query和doc的词袋模型作为输入。
到这以后，输入就传入上图中的multi-layer non-liner projection了，这其实就是几层全连接层，全连接层的最后一层输出就是我们要获取的隐藏语义向量。也就是上图中的semantic feature。
最后就是对query和doc的semantic feature进行相似度计算，通过query和不同的doc进行相似度计算，就能获得多个相似度值，
有了相似度值后就可以对文档进行排序了 去求query和doc的最大似然，这里直接用softmax来计算query和doc之间的分值，其中标签数据为：query和被点击的doc相似度为1，query和没有点击的doc的相似度为0，训练拟合：
这里的r是平滑系数，实现定义好的。
现在损失函数有， 模型结构有，训练数据也有了，然后就用梯度下降优化就可以了。
完。