重磅推荐专栏： 《Transformers自然语言处理系列教程》
手把手带你深入实践Transformers，轻松构建属于自己的NLP智能应用！
1. 项目背景
1.1 推荐不准
1.2 信息蚕房
单只用“分类、实体、关键词”进行召回，容易导致信息蚕房。如果我们能挖掘出“用户为什么会消费”的“兴趣点”，就能很好的缓解该问题。
1.3 内容理解相关研究
1.4兴趣图谱
这里作者将兴趣点分层了概念、话题和事件
2. 兴趣点图谱建设
2.1 兴趣点挖掘
所谓的兴趣点，就是‘概念’、‘话题’、‘事件’的总称。作者在挖掘出兴趣点后，再基于句式规则、实体抽象等方法将兴趣点分类成‘概念’、‘话题’、‘事件’。下面我们主要介绍兴趣点是怎么挖掘的。
难点：
1）粒度难以合理成符合用户的兴趣 2）训练样本人工难以标注
方案：
1、使用UGC数据，即搜索数据，用户真实表达需求。
2、弱监督方法解决冷启动问题，一种方式是（Alignment Based）类似于计算最大公共子序列的方式得到兴趣点：
另外一种方式是（pattern bootstrapping）：
1、先预定义一些pattern集合
2、从Query集合中匹配Query
3、从匹配到的Query并提出候选兴趣点
4、用得到的候选兴趣点匹配出候选Query
5、基于候选Query泛化出候选Pattern
6、基于Pattern对应的兴趣点数量占比计算候选Pattern的得分，并过来分数低的Pattern，得到新增的Pattern
7.将新增的Pattern融合到pattern集合中，重复以上步骤
可以看到Q-Pattern和QT-Align准确率不错，但是覆盖率低却非常低。由此作者提出了改进的方案：
2.2 关系挖掘
2.2.1 上下位关系挖掘
2.2.1.1 分类-概念
2.2.1.2 概念-实体
个人认为该方案正样本数据量可能比较少。文章中，实体文字可以加上超链接，这样就能很好的基于用户点击行为获得。而且，我感觉用户”继续搜索“为真正的正样本的正确率可能也不是很高。
2.2.1.3 事件-话题
2.2.2 关联关系挖掘
3. 兴趣点图谱应用
3.1 内容理解
简单来说就是把文章打上概念、事件、话题。
3.1.1 召回
”词语级显示语义召回“的结果还会经过相似度计算过滤一波，以减少候选集：
3.1.2 匹配
由于是离线计算，所以语义匹配使用了MatchPyramid 交叉匹配的架构，还是加上了BOW相似度，最后两者线性融合：
3.2 效果
Figure 7 可以看出，基于兴趣点中‘话题’、‘事件’召回的点击率效果比较好，但是基于‘概念’召回的点击率效果会比实体都差。这是由于“概念”本质上是对实体进行了抽象，所以更具多样性，但准确性会降低。
