知乎上有同类的解读 见：https://zhuanlan.zhihu.com/p/556283928
原论文：https://storage.googleapis.com/pub-tools-public-publication-data/pdf/28195006135023ef2c41f65ac16b60fa6ac99cb8.pdf
abstract
切入点是说，当前的单一向量表示没法很好的体现query和doc在某些方面的相关性，比如电商场景中的query是"白色耐克袜子"，Dense Retrieval可能召回"白色阿迪袜子"，即没有捕捉到品牌意图。由此，增加了一个aspect预测的任务，让模型用不同的 aspect embedding来体现不同的 aspect信息，并设计了一个轻量级的融合网络来融合这些aspect embedding，在一个电商数据集上高于比较好的Dense Retrieval模型，同时也发现aspect embedding可以加强dense Retrieval的可解释性