論文下載地址：https://arxiv.org/pdf/1412.6629.pdf
其實這幾篇論文，DSSM, C-DSSM, LSTM-DSSM 百度一下資料一大堆，不過我還是選擇自己去看了一遍，然後做一下筆記，便於更深入的理解。不過看完了論文發現，這幾篇文章真的是短小精悍。。。基本都是五六頁結束。
這篇文章還是一樣的套路，是這對DSSM模型的修改，畢竟全連接網絡是最簡單的神經網絡，替換一下模型就能提升效果，肯定是水文章的首選。
看完這篇文章，總體的感覺就是文章有了之前一系列文章的鋪墊之後，寫的很隨意，圖也畫的有點醜，但是畢竟是第一篇把lstm引入到信息檢索任務中的文章。
直如主題
文章的思路確實和網上大多數的博客寫的那樣，很簡單。有了前面DSSM文章的鋪墊，可以直接看圖講解
其實就是把DSSM裏的全連接改成裏LSTM，而且這裏的輸入感覺也不需要做word hashing都。直接把每個單詞x(i)映射到一個word representation，就是embedding，也就是上圖中的l(i)。然後把整個句子送入LSTM，訓練LSTM，拿出最後輸出的狀態y(m),作爲潛層語義向量，有了這個最後的語義向量後就和DSSM模型一樣裏，進行相似度度量，對文檔進行排序，softmax計算概率等等。
這篇文章只要對LSTM 和DSSM有一定的瞭解的話，應該小半小時就能理解整篇文章裏，建議想了解的同學直接去看論文。
完