初来乍到：帮助新用户冷启的算法技巧

开篇

今天的文章还是由一个我亲身经历的故事来开篇。在一次面试中，面试官问我怎么处理“新用户冷启动”的问题，当时，我是从算法的角度来回答的，比如通过online learning，加快线上模型的更新频率；再比如，我当时想把PinSAGE由item-2-item升级为user-2-item，这样只要新用户点击过一个item A，我就可以将A的信息、点击过A的其他user的信息、点击过A的其他用户点击过的item信息、......都聚合到新用户身上。巴拉巴拉讲了一堆，面试官显得不是很满意，只见他大手一挥，中气十足地说到：“没那么复杂，处理新用户，归根结底就一句话，尽可能多地找这个用户的数据！！！”。当时我还是有点小受震撼的，感叹道，面试官一眼看到问题本质，怪不得是人家面试我呢。于是，我立刻切换到产品思路，比如构建产品矩阵，从其他产品了解用户；通过弹窗问卷的方式，收集用户的兴趣爱好；......，这下面试官方才满意，于是面试愉快地进行下去。

现在回过头来，重新思考“新用户冷启”这个问题。毫无疑问，针对我们所知甚少的新用户做推荐，是一个极其困难的问题，尽一切努力收集用户信息，也绝对是top priority。但是，因此我们算法就无事可做，等着产品和前端同学把新用户的数据送过来？

根据我近年来的经验，新用户的数据是极其重要的，但是并非问题的全部。比如，新老用户在app中的行为模式有很大不同（e.g., 比如一些产品设计不允许新用户做点赞、评论等动作）。但是，在训练的时候，老用户的样本在数量级上碾压新用户的样本（本来dau就主要是由老用户贡献，再加上一个老用户能够贡献多条样本），导致模型主要拟合老用户的行为模式，忽略了新用户。在这种情况下，增加几个对新用户友好的特征（比如年龄、性别等），因为主导模型的老用户不care（影响老用户推荐结果的主要是其过去历史，而非人口属性），加了也是白加。

噢，看似是一个样本不均衡的问题，也不是毫无办法。比如：

• 给新用户的样本加权。行是行，但是有两个问题不太好解决，一是如何设定给这些新用户的权重，二是，毕竟老用户才是给我们贡献KPI的主力，给新用户加权，等于变相削弱老用户，可能得不偿失。
• 干脆分家，就只拿新用户的数据单独训练一套模型，只服务新用户。也不是不行。但是，也有两问题不好解决，一是新用户数据量少，底层embedding和中间的dense weight可能训练不好；二来，单独训练，单独部署，有点浪费资源。

对付新用户，以上方法虽然简单，但是真的不妨一试。如果也觉得以上方法的缺点无法接受，不妨向下读，看看本文替你总结出的一些从算法层面助力新用户冷启的技巧。

正文开始之前，先提前声明几点：

• 本文中所提及的新用户是一个泛称，未必是第一次登录、毫无动作的纯新用户，也包括那些虽然距首次登录已经过去许久，但是鲜有活动的用户。其实，文中的概念算是“低活用户”，但是为了行文方便，下文中还是用“新用户”统一称呼这些用户；
• 本文中所提观点，和“收集用户信息是新用户冷启top priority”的观点并不矛盾。相反，以下算法技巧的目的，就是为了能够让模型更重视那些对新用户友好的特征，让这些特征真正发挥作用。
• 算法毕竟是实验科学，就像股票点评之后总要加上一句“不构成投资建议”一样，以下介绍的技巧未必颗颗是银弹。究竟哪个管用，就让GPU和AB平台告诉我们答案吧。

加强重要区分性特征

既然我们通过数据分析，先验已知新老用户的行为模式有着较大差异，我们希望把这一先验知识告诉模型，让模型对新老用户能够区别对待。至于如何注入这样的先验知识，我已经在我的另一篇文章《先入为主：将先验知识注入推荐模型》介绍过了，简述如下。

首先，我们要构造能够显著标识新用户的特征，比如：

• 一个标识当前用户是否是新用户的0/1标志位
• 用户是否登录
• 首次登录距今时间
• 交互过的item的个数
• ......

---

强bias特征加得浅

可以把这些强bias特征加得离final logit近一些，让它们对最终loss的影响更直接一些。比如：

• 由其他特征获得 需要经过复杂且深的DNN结构
• 而由以上强bias特征贡献的，只是将这些强bias特征通过一个LR或一层fully connection就得到

---

强bias特征当裁判

方法二，将这些强bias的特征，喂入SENet或或LHUC(Learn Hidden Unit Contribution，如下图所示)，用来决定其他特征的重要性

• 强bias特征作为LHUC的输入，经过sigmiod激活函数后，输出是一个N维度向量，N是所有fileld的个数

• N维向量就是各field的重要性，将其按位乘到各field的embedding上，起到增强或削弱的作用。比如：

• 比如产品设计不允许未登录用户点赞、评论，那么新用户样本中的相关特征的重要性“应该”为0
• 用户点击哪个站外广告被引入app，这个信息只对新用户有用（权重应该大），对老用户意义就不大了（权重应该小）

• 加权后的各field embedding再拼接起来，喂入上层DNN

这样做，相比于将所有特征“一视同仁”、一古脑地喂入DNN最底层等候上层DNN筛选，更能发挥那些对新用户友好的重要特征的作用。

借鉴多领域学习

正如开篇所说，为了避免新用户数据被老用户淹没，干脆分家，用新用户的数据单独训练一个模型只服务新用户。但是有两个问题不好解决，一是新用户数据少，单独训模型可能训不好；二是，单独训练+部署，有点浪费资源。

其实这个问题属于multi-domain learning的解决范畴。不要和multi-task learning相混淆，multi-domain learning研究的是如何将多个相关渠道的数据放在一起训练，而能够相互促进，而非相互干扰。这方面的工作并不多，让我们看看阿里近年来在这一领域发表的两篇文章。提醒读者，尽管两篇文章的初衷都不是针对新用户，但是在阅读过程中，我们可以代入new user domain vs. old user domain的场景。

---

STAR结构

一篇是《One Model to Serve All: Star Topology Adaptive Recommender for Multi-Domain CTR Prediction》。这篇文章研究的是，如何训练并部署一个模型，就能胜任“首页推荐”、“猜你喜欢”等多个领域。前两个改进也很“直觉”（嘿嘿，知道我模仿的是谁吗？）

• 每个域学习各自的batch normalization

• , 是要全局学习的scaling和bias
• , 是某个domain "p"独有的scaling和bias
• 将domani id这样的bias特征，通过一个浅层网络，加得离final logit近一些。这一点就是我们在上一章节介绍的技巧。

第三个改进，就是所谓的星型拓扑结构，也就是论文标题的来源。简单来说，就是每个domain要经过的final dense weight是domain specific part和shared part融合而成。

• 是domain 'p'的样本最终要经过的final weight，

• 是domain "p"独有的weight，只让domain "p"的样本参与迭代更新

• W是shared weight，所有domain的数据都要参与更新。

• 是element-wise multiplication

我有点不太好评价这种结构。其实想结合domain specific information与shared information也不算什么新概念，比如下面两种：

• domain specific weight与shared weight是并联的关系，样本信息同时经过domain specific weight和shared weight向上传递，
• 模仿早先multi-task learning中常见的share bottom结构，先有共享的底层shared weight，各个domain再在上面串联上domain specific weight。预测时，样本先经过shared weight，再经过domain specific weight向上传递，

文中并没有给出这种融合方式，相对于我在上文提出的两种融合方式的优势，或许没啥大道理，又是实验得出的结论。我自己给出的理由只能是：

• 无论是domain specific weight与shared weight是并联还是串联，前代回代中，信息所经过的每一层，都只属于单一通道（要么是domain specific，要么是share），融合得并不彻底；
• 而，信息流过的每一层都是domain specific weight和shared weight融合后的，融合得更充分。

---

HMoE结构

AliExpress的文章《Improving Multi-Scenario Learning to Rank in E-commerce by Exploiting Task Relationships in the Label Space》聚焦于多国家场景下的推荐。这个场景，和我们新用户的场景更加类似一些，多个国家的人口迥异，市场进入有早有晚，相对于先发国家庞大的用户基数和丰富的行为，后发国家的用户少、行为少，可以类比于“新用户冷启”的场景。

这篇文章提出的HMoE与STAR完全相反，没有所谓的shared weight。其原理假设是：

• A国家中，有些用户a的行为和B国的用户很像，所以，让B国的DNN给a打分也很靠谱，异域模型打分的借鉴意义大；反之，异域模型打分的借鉴意义小。
• 回到我们新用户的场景下，用老用户模型给新用户打分，可能对部分新用户也是大有裨益的。

具体做法上：

• 无论哪个域的样本，都要经过所有domain的DNN打分（下面公式中的S），
• 最终得分，是在各个域打分上的加权平均。权重（下面公式中的W）由一个gate netowrk根据输入样本，个性化决定。

• 训练时，domain=t的样本，只能更新自己的，对其他domain的DNN都要stop gradient。这一点也相当直觉，毕竟其他domain的DNN帮domain t打分是副业，不能强求其他domain的DNN为domain t上的loss负责。

获得对新用户友好的初值

这种方法的思路是，新用户训练困难是因为数据少。但是，如果新用户的初始值并非随机，而是已经非常靠谱了，通过少量数据+几次迭代，就能收敛到不错的用户表示，岂不妙哉！

---

强烈吐槽MeLU

上述思路简直就是为MAML（Model-Agnostic Meta-Learning）量身定做的。MAML主打的招牌就是Fast Adaptation

• 先通过多个task的学习，将参数学习到一个不错的状态；
• 有了新任务1（or 2 or 3），该新任务只需要提供少量数据，就能够从出发，快速收敛到这个新任务的最优参数（or or ）

于是基于MAML，韩国人提出了MeLU想学习出对新用户友好的初始值。文章的细节，我就不多说了，因为如果基础错了，剩下的实现细节也就毫无价值，浪费笔墨罢了。

我就问两个问题：

• 注意上图中的、 、是从派生出三组完全不同的参数。而MeLU中的task粒度是每个用户算一个task。这也就意味着，哪怕真有fast adapation的能力，来了N个新用户，就要衍生出N组不同的参数？！想想在一个真实的推荐系统中，要包括所有dense weight和一些能够跨user共享的embedding（e.g., tag embedding之类的），参数量还是不小的，而MeLU竟然要为每个新用户都学习出单独的一套出来？？？！！！
• 新用户训练和预测的难点就在于，他的一些特征是之前从来就没出现过的。比如一个用户最具个性化的特征就是user id embedding，新用户的user id embedding压根就不会在中出现， adapt to nowhere !!!

我也就纳闷了，这种脱离推荐系统实际、毫无实战价值的文章，是怎么被KDD录入的？还被那么多讲新用户冷启的文章引用！简直是误人子弟！！！

---

用Group Embedding代替新用户的Id Embedding

介绍一种我自己设计的方法，用来获取良好的new user id embedding初值，在一些场景下的效果还不错。

我的方法的前提假设是：

• user id embedding是最具个性化的特征输入，在老用户推荐中发挥了极其重要的作用，DNN也非常重视这个特征（e.g., 接在user id embedding上方的weight比较大）。
• 但是问题就在于，由于新用户的user id embedding出现次数少，经过有限次训练，new user id embedding还离最初随机初始化的结果不远；而在预测的时候，由于PS有特征准入规则，新用户的id embedding压根就没有被PS收录，导致inference server向PS请求该新用户的id embedding时返回一个全0向量，导致DNN所期待的重磅特征user id embedding落了空。

既然user id embedding那么重要，而新用户的user id embedding质量却那么差（训练时得到的随机向量，预测时得到的是全0向量），那么能不能找到一个替代方案？这时，Airbnb的经典文章《Real-time Personalization using Embeddings for Search Ranking at Airbnb》给我提供了一种思路。在Airbnb的实践中，由于booking这个行为太稀疏，所以绝大多数用户都是“新用户”，而Airbnb的思路就是根据规则将用户划分为若干用户组（比如，“讲英语，使用苹果手机”的用户群，和“讲西班牙语，使用Android手机”的用户群），然后用user group embedding代替单独的user id embedding参与后续训练与预测。

基于以上假设，解决思路是：

• 将user id embedding（无论新老用户）拆解成

• 注意这个分群是“初始用户群”，划分时，只能依靠那些对新用户友好的特征，比如：年龄、性别、安装那些（种类）的app，是被哪个（类）广告拉新进来的、......

• 是“初始的用户群”的embedding。

• 代表自用户进入app之后，随着在app内部行为越来越丰富，他距离当初“初始用户群”embedding的个性化残差

• 对于老用户，原来的方法是直接学习每人各自的user id embedding，现在是改学，所有个性化信息都包含在这个个性化残差里了。

• 对于新用户

• 训练时，尽管一开始还是随机向量，但是毕竟是在已经训练好的周围（怎么训练，下面会讲），对于上层的DNN来说，也算是一个不错的初始值
• 预测时，inference server遇到纯新用户，由于未收录该新用户的从而返回全0向量，结果从DNN的角度来看，。也就是，新用户的user id embedding被用户群embedding代替，强于之前模型用全0向量填充的方法。

目前还遗留一个问题，就是怎么得到？我的方法是采用预训练的方法

• 如上所述，分群是“初始用户群”，划分时，只能依靠那些对新用户友好的特征，比如：年龄、性别、安装那些（种类）的app，是被哪个（类）广告拉新进来的、......

• 借鉴Airbnb的方法，用类似word2vec的方法获得各，具体来说，

• 正样本：某个新用户的，与其交互过的item embedding，在向量空间上应该足够近
• 负样本：随机采样一些item embedding

• 注意，在我的实践中，进行以上预训练，只采用新用户的数据，不用老用户的数据。

• 这么做是因为，老用户交互的item，主要是由推荐系统根据用户历史推荐出去的，和用户的初始元信息（比如，年龄、性别、App等）关系已经不大了。引入老用户数据，反而引入了噪声

• 预训练完毕，将各init user group embedding保存起来

注意，在正式训练的时候，

• 对于老用户要stop gradient，毕竟年代久远，init user group embedding不应该再为老用户推荐结果上的loss负责。也防止规模巨大的老用户数据，将已经训练好的带偏
• 至于新用户，最好对也stop gradient，一来新老用户一致，方便实现；二来，我们希望信息都积累在上，而不是在group embedding上。

最后提一下，既然要利用new user friendly feature分群，再用user group embedding代替新用户的user id embedding，那为什么不直接将这些特征接入DNN，直接让DNN学习不就完了，何必这么麻烦？如果有小伙伴能够想到这一层，首先要为你自己的独立思考能力点赞。问题的关键还是这些new user friendly feature的接入位置：

• 就像我在开篇中所说，直接将new user friendly feature接入DNN底层，很可能起不到提升的作用。还是因为老用户数据已经主导了模型，模型对新用户特征压根不重视（e.g., 接在这些特征的weight都很小）。
• 但是模型是非常重视user id embedding这个特征的（e.g., 接在它上面的weight都很大），因此只有将user group embedding接在user id embedding相同的位置，才能真正发挥作用。

总结

本文聚集于新用户冷启这一让推荐算法工程师头疼的问题，从以下几个方面总结了我个人的看法与经验：

• 对于新用户冷启，top priority肯定还是尽力收集用户的数据。
• 但是仅靠收集数据也是不够的。比如：在一个成熟的app中，老用户的样本碾压新用户样本，主导了模型。徒增了几个new user friendly的特征，模型也不会重视。
• 因此，也还需要一些算法上的技巧，让收集到的新用户信息，能够真正发挥作用。
• 技巧1：要把new user friendly特征加到合适的位置，比如加得离loss更近一些，再比如作为gate的输入，衡量其他特征的重要性。
• 技巧2：将新老用户看成两个domain，借鉴multi-domain learning的经验，让老用户模型能够助力新用户，又不至于过分主导。
• 技巧3：新用户的初值非常重要。先吐槽了MeLU这种毫无实战价值、误人子弟的文章；接着介绍了我自己设计的用user group embedding代替user id embedding的算法，帮大家打开思路。

本人的其他文章，感兴趣的小伙伴可以继续阅读：

- END -