《Wide & Deep Learning for Recommender Systems》论文总结

Wide & Deep Learning for Recommender Systems

1.论文名词解释

1.1 Memorization 和 Generalization

Google Wide&Deep论文中，通篇都是这两个词，必须搞懂是怎么回事！

记忆（memorization）即从历史数据中发现item或者特征之间的相关性。

泛化（generalization）即相关性的传递，发现在历史数据中很少或者没有出现的新的特征组合。

这个是从人类的认知学习过程中演化来的。人类的大脑很复杂，它可以记忆(memorize)下每天发生的事情（麻雀可以飞，鸽子可以飞）然后泛化(generalize)这些知识到之前没有看到过的东西（有翅膀的动物都能飞）。 但是泛化的规则有时候不是特别的准，有时候会出错（有翅膀的动物都能飞吗）。那怎么办那，没关系，记忆(memorization)可以修正泛化的规则(generalized rules)，叫做特例（企鹅有翅膀，但是不能飞）。
memorization代表了推荐系统的预测准确度，而generalization代表了推荐系统的新颖度。

1.2 Wide 和 Deep

Wide也是一种特殊的神经网络，他的输入直接和输出相连。属于广义线性模型的范畴。Deep就是指Deep Neural Network，这个很好理解。Wide Linear Model用于memorization；Deep Neural Network用于generalization。 左侧是Wide-only，右侧是Deep-only，中间是Wide & Deep：

1.3 Cross-product transformation

Wide中不断提到这样一种变换用来生成组合特征，它的定义如下：

k表示第k个组合特征。i表示输入X的第i维特征。C_ki表示这个第i维度特征是否要参与第k个组合特征的构造。d表示输入X的维度。那么到底有哪些维度特征要参与构造组合特征那？这个是你之前自己定好的，在公式中没有体现。

绕了一大圈，整这么一个复杂的公式，其实就是我们之前一直在说的one-hot之后的组合特征：仅仅在输入样本X中的特征gender=female和特征language=en同时为1，新的组合特征AND(gender=female, language=en)才为1。所以只要把两个特征的值相乘就可以了。

至于要构造哪些特征的问题，就是特征工程需要考虑的问题了。

2. Wide & Deep Model

Memorization：
之前大规模稀疏输入的处理是：通过线性模型 + 特征交叉。所带来的Memorization以及记忆能力非常有效和可解释。但是Generalization（泛化能力）需要更多的人工特征工程。

Generalization：
相比之下，DNN几乎不需要特征工程。通过对低纬度的dense embedding进行组合可以学习到更深层次的隐藏特征。但是，缺点是有点over-generalize（过度泛化）。推荐系统中表现为：会给用户推荐不是那么相关的物品，尤其是user-item矩阵比较稀疏并且是high-rank（高秩矩阵）

两者区别：
Memorization趋向于更加保守，推荐用户之前有过行为的items。相比之下，generalization更加趋向于提高推荐系统的多样性（diversity）。

Wide & Deep:
Wide & Deep包括两部分：线性模型 + DNN部分。结合上面两者的优点，平衡memorization和generalization。
原因：综合memorization和generalizatio的优点，服务于推荐系统。相比于wide-only和deep-only的模型，wide & deep提升显著。

2.1 推荐系统概览

2.1.1 介绍

推荐系统的介绍部分可以看我的推荐系统相关博客。

2.1.2 LR

大规模的在线推荐系统中，logistic regression应用非常广泛，因为其**简单、易扩展、可解释性。**LR的输入多半是二值化后的one-hot稀疏特征。Memorization可以通过在稀疏特征上cross-product transformations来实现，比如：AND(user_installed_app=QQ, impression_app=WeChat)，当特征user_installed_app=QQ,和特征impression_app=WeChat取值都为1的时候，组合特征AND(user_installed_app=QQ, impression_app=WeChat)的取值才为1，否则为0。 说白了就是你需要做一些特征组合进一步加强模型的能力。

推荐系统可以看成是一个search ranking问题，根据query得到items候选列表，然后对items通过ranking算法排序，得到最终的推荐列表。Wide & Deep模型是用来解决ranking问题的。

如果仅仅使用线性模型：无法学习到训练集中没有的query-item特征组合。 Embedding-based Model可以解决这个问题。

2.1.3 Embedding-Based

FM和DNN都算是这样的模型，可以在很少的特征工程情况下，通过学习一个低纬度的embedding vector来学习训练集中从未见过的组合特征。

我们回忆一下因子分解机的知识：在大规模稀疏的特征矩阵中，训练样本不足时，特征矩阵的稀疏性很容易导致相关参数的准确性较低，导致模型效果不好。可以通过对二次项参数施加某种限制来减少参数的自由度。因子分解机施加的限制就是要求参数矩阵是低秩的，能够分解为低秩矩阵的乘积。

**FM和DNN的缺点在于：**当query-item矩阵是稀疏并且是high-rank的时候（比如user有特殊的爱好，或item比较小众），很难非常效率的学习出低维度的表示。这种情况下，大部分的query-item都没有什么关系。但是dense embedding会导致几乎所有的query-item预测值都是非0的，这就导致了推荐过度泛化，会推荐一些不那么相关的物品。

相反，linear model却可以通过cross-product transformation来记住这些exception rules，而且仅仅使用了非常少的参数。

总结一下：

线性模型无法学习到训练集中未出现的组合特征；
FM或DNN通过学习embedding vector虽然可以学习到训练集中未出现的组合特征，但是会过度泛化。

Wide & Deep Model通过组合这两部分，解决了这些问题。

2.1.4 工作流程

总的来说， 推荐系统 = Retrieval + Ranking

推荐系统工作流程如下：

想象这样一个实际情况：**我们打开Google APP store，首页展示给我们一些APP，我们点击或者下载或者购买了其中一个APP。**在这样一个流程中，推荐系统是如何工作的那？

我们对比上面的图一点点来说：

Query:
当我们打开APP Store的时候，就产生了一次Query，它包含两部分的特征：User features, contextual features。UserFeatures包括性别、年龄等人口统计特征，ContextualFeatures包括设备、时间等上下文特征。

Items:
APP store接着展示给我们一系列的app，这些app就是推荐系统针对我们的Query给出的推荐。这个也被叫做impression。

User Actions:
针对推荐给你的任何一个APP，我们都可以点击、下载、购买等操作。也就是说推荐给你的APP，你产生了某种行为。这不正是我们的最终目的吗！

Logs:
Logs = Query + Impression + UserAction 查询、展示列表、操作会被记录到logs中作为训练数据给Learner来学习。

Retrieval：
假如让你来想一个最简单的推荐系统，针对这一次Query，来给出推荐列表。你能想到的最简单，最暴力的做法是什么那？

给数据库中所有的APP都打一个分数，然后按照分数从高到低返回前N个（比如说前100个）

但是有个问题，这样数据库中的APP实在是太多了，为了保证响应时间，这样做太慢了！Retrieval就是用来解决这个问题的。它会利用机器学习模型和一些人为定义的规则，来返回最匹配当前Query的一个小的items集合，这个集合就是最终的推荐列表的候选集。

Ranking：

今天的主角Wide&Deep Model就是用来做这个事情的啦。

前面Learner学习到了一个Model，利用这个Model对Retrieval给出的候选集APP打分！并按照打分从高到低来排序，并返回前10个APP作为最终的推荐结果展示给用户。

Retrieval system完了之后，就是Ranking system。Retrieval减小了候选items池，Ranking system要做的就是对比当前的Query，对Candidate pool里面的所有item打分！

得分score表示成P(y|x), 表示的是一个条件概率。y是label，表示user可以采取的action，比如点击或者购买。x表示输入，特征包括：

• User features（年龄、性别、语言、民族等）
• Contextual features(上下文特征：设备，时间等)
• Impression features（展示特征：app age、app的历史统计信息等）

2.2 Wide Part

Wide Part其实是一个广义的线性模型

使用特征包括：

• raw input 原始特征
• cross-product transformation 组合特征

接下来我们用同一个例子来说明：你给model一个query（你想吃的美食），model返回给你一个美食，然后你购买/消费了这个推荐。 也就是说，推荐系统其实要学习的是这样一个条件概率： P(consumption | query, item)

Wide Part可以对一些特例进行memorization。比如AND(query=”fried chicken”, item=”chicken fried rice”)虽然从字符角度来看很接近，但是实际上完全不同的东西，那么Wide就可以记住这个组合是不好的，是一个特例，下次当你再点炸鸡的时候，就不会推荐给你鸡肉炒米饭了。

2.3 Deep Part

Deep Part通过学习一个低纬度的dense representation（也叫做embedding vector）对于每一个query和item，来泛化给你推荐一些字符上看起来不那么相关，但是你可能也是需要的。比如说：你想要炸鸡，Embedding Space中，炸鸡和汉堡很接近，所以也会给你推荐汉堡。

Embedding vectors被随机初始化，并根据最终的loss来反向训练更新。这些低维度的dense embedding vectors被作为第一个隐藏层的输入。隐藏层的激活函数通常使用ReLU。

2.4 模型训练

原始的稀疏特征，在两个组件中都会用到，比如query="fried chicken" item="chicken fried rice":

在训练的时候，根据最终的loss计算出gradient，反向传播到Wide和Deep两部分中，分别训练自己的参数。也就是说，两个模块是一起训练的，注意这不是模型融合。

• Wide部分中的组合特征可以记住那些稀疏的，特定的rules
• Deep部分通过Embedding来泛化推荐一些相似的items

Wide模块通过组合特征可以很效率的学习一些特定的组合，但是这也导致了他并不能学习到训练集中没有出现的组合特征。所幸，Deep模块弥补了这个缺点。
另外，因为是一起训练的，wide和deep的size都减小了。wide组件只需要填补deep组件的不足就行了，所以需要比较少的cross-product feature transformations，而不是full-size wide Model。

论文中的实现：

• 训练方法是用mini-batch stochastic optimization。
• Wide组件是用FTRL（Follow-the-regularized-leader） + L1正则化学习。
• Deep组件是用AdaGrad来学习。

3. 系统实现

3.1 训练数据生成

请大家一定格外的关注训练数据到底是什么？这对于理解推荐系统到底是怎么回事很重要。
先给出结论：

一次展示中的一个Item就是一条样本。

样本的label要根据实际的业务需求来定，比如APP Store中想要提高APP的下载率，那么就以这次展示的这个Item中用户有没有下载，作为label。下载了label为1，否则为0.
说白了，模型需要预测，在当前Query的条件下，对于这个Item，用户下载的条件概率。

离散特征map成id

过滤掉出现次数少于设定阈值的离散特征取值，然后把这些全部map成一个ID。离散特征取值少，就直接编号。多的话可能要Hash

连续特征通过分位数规范化到[0,1]

先把所有的值分成n份，那么属于第i部分的值规范化之后的值为 (i - 1)/(n - 1)。

3.2 模型训练

Deep部分使用的特征：

• 连续特征
• Embedding后的离散特征，Item特征

Wide部分使用的特征：

• Cross Product Transformation生成的组合特征

但是，官方给出的示例代码中，Wide部分还使用了离散特征（没有one-hot）。也有大佬说不用特征交叉效果也很好，这个大家在实际项目中就以实验为准吧。

每当有新的数据到达的时候，就要重新训练。如果每次都从头开始会非常耗时，Google给出的解决办法是：实现了warm-starting system, 它可以用之前模型的embeddings 和 线性模型的weights来初始化新的模型。

Embedding维度大小的建议：
Wide&Deep的作者指出，从经验上来讲Embedding层的维度大小可以用如下公式来确定：
k乘以n的1/4次方
是原始维度上特征不同取值的个数；k是一个常数，通常小于10.

3.3 线上使用

模型被部署之后。每一次请求，服务器会收到一系列的app候选集（从app retrival system输出的）以及user features（用于为每一个app打分）。然后，模型会把APP按照score排序，并展示给user，按照这个顺序展示。score就是对于wide & deep模型的一次 forward pass。为了控制每一次request响应时间在10ms内，引入了并行化技术。将app候选集分成多个小的batches，并行化预测score。

4. 适用范围

Wide & Deep Model适用于输入非常稀疏的大规模分类或回归问题。比如推荐系统、search、ranking问题。
输入稀疏通常是由离散特征有非常非常多个可能的取值造成的，one-hot之后维度非常大。

5. 优缺点

缺点：Wide部分还是需要人为的特征工程。
优点：实现了对memorization和generalization的统一建模。

6.代码实践

数据集长这样，最后一行是label，预测收入是否超过5万美元，二分类问题。

6.1 Wide Linear Model

离散特征处理分为两种情况：

• 知道所有的不同取值，而且取值不多。tf.feature_column.categorical_column_with_vocabulary_list
• 不知道所有不同取值，或者取值非常多。tf.feature_column.categorical_column_with_hash_bucket

原始连续特征：tf.feature_column.numeric_column

规范化到[0,1]的连续特征：tf.feature_column.bucketized_column

组合特征/交叉特征：tf.feature_column.crossed_column

组装模型：这里主要用了离散特征 + 组合特征

训练 & 评估：

运行截图：

6.2 Wide & Deep Model

Deep部分用的特征： 未处理的连续特征 + Embedding(离散特征)

在Wide的基础上，增加Deep部分：
离散特征embedding之后，和连续特征串联。

组合Wide & Deep：DNNLinearCombinedClassifier

训练 & 评估：

运行结果：