推荐场景中召回模型的演化过程
文章作者：Alex-zhai
编辑整理：Hoh Xil
内容来源：作者授权
出品平台：DataFunTalk
注：欢迎转载，转载请留言。
导读：一般的推荐系统主要包括召回、排序和后续的业务机制 ( 重排序、多样性保证、用户体验保证等等 ) 这三大模块，而其中召回模块主要负责根据用户和 item 的特征，从众多待推荐的候选 item 中初步筛选出用户可能感兴趣的 item。一般而言召回模块都是多路并发的，各路的不同召回模型之间互不影响。本文主要关注于最近几年，特别是深度学习广泛用于推荐场景之后召回模型的一个演化过程。
协同过滤可分为基于用户的协同过滤、基于物品的协同过滤，基于模型的协同过滤 ( 比如 MF 矩阵分解等 )。这部分不详细讲解，网上资料很多。这里说下基于 item 的协同过滤方法吧，主要思想是：根据两个 item 被同时点击的频率来计算这两个 item 之间的相似度，然后推荐用户历史行为中各个 item 的相似相关 item。虽然基于用户的协同过滤召回方法具有简单、性能较高，因此在实际的推荐场景中用途十分广泛。不过也是有天然的缺陷：召回结果的候选集 item 限定在用户的历史行为类目中，并且难以结合候选 item 的 Side Information ( 比如 brand，品类一些 id 信息 )，导致其推荐结果存在发现性弱、对长尾商品的效果差等问题，容易导致推荐系统出现 "越推越窄" 的问题，制约了推荐系统的可持续发展。
这部分工作主要介绍单 embedding 向量召回 ( 每个 user 和 item 在一个时刻只用一个 embedding 向量去表示 ) 的一些经典方法，其主要思想为：将 user 和 item 通过 DNN 映射到同一个低维度向量空间中，然后通过高效的检索方法去做召回。
❶ Youtube DNN 召回
使用特征：用户观看过视频的 embedding 向量、用户搜索词的 embedding 向量、用户画像特征、context 上下文特征等。
训练方式：三层 ReLU 神经网络之后接 softmax 层，去预测用户下一个感兴趣的视频，输出是在所有候选视频集合上的概率分布。训练完成之后，最后一层 Relu 的输出作为 user embedding，softmax 的权重可当做当前预测 item 的 embedding 表示。
线上预测：通过 userId 找到相应的 user embedding，然后使用 KNN 方法 ( 比如 faiss ) 找到相似度最高的 top-N 条候选结果返回。
❷ 双塔模型召回
双塔模型基本是：两侧分别对 user 和 item 特征通过 DNN 输出向量，并在最后一层计算二个输出向量的内积。
例如 YouTube 今年刚发的一篇文章就应用了经典的双塔结构：
03
Multi-Interest Network with Dynamic Routing 模型
背景：电商场景下用户行为序列中的兴趣分布是多样的，如下图用户 A 和 B 的点击序列商品类别分布较广，因此如果只用一个 embedding 向量来表示用户的兴趣其表征能力是远远不够的。所以需要通过一种模型来建模出用户多个 embedding 的表示。
MIND 模型通过引入 capsule network 的思想来解决输出多个向量 embedding 的问题，具体结构如下图：
训练：Multi-Interest 抽取层负责建模用户多个兴趣向量 embedding，然后通过 Label-aware Attention 结构对多个兴趣向量加权。这是因为多个兴趣 embedding 和待推荐的 item 的相关性肯定不同 ( 这里的思想和 DIN 模型如出一辙 )。其中上图中的 K，V 都表示用户多兴趣向量，Q 表示待推荐 item 的 embedding 表示，最终用户的 embedding 表示为：
公式中的 ei 表示 item embedding，Vu 表示 Multi-Interest 抽取层输出的用户多个兴趣向量 embedding。
然后使用 Vu 和待推荐 item embedding，计算用户 u 和商品 i 交互的概率，计算方法和 YouTube DNN 一样：
线上 serving：在线计算用户的多个兴趣向量后，每个兴趣向量 embedding 通过 KNN 检索得到最相似的 Top-N 候选商品集合。这里有个问题大家思考下？得到多个兴趣向量后通过权重将这些向量的 embedding 累加起来成为一个 ( 表示为多个向量的加权和 )，然后只去线上检索这一个 embedding 的 Top-N 相似，大家觉得这样操作可以吗？不可以的原因又是什么呢？
❶ 阿里 Graph Embedding with Side information
传统的 graph embedding 过程如下图：
其实就是通过 "构图 -> 随机游走得到序列 -> word2vec 训练" 三部曲得到每个 item 的 embedding 表示。但是这样训练出来的模型会存在冷启动问题。就是那些出现次数很少或者从来没在序列中出现过的 item embedding 无法精确的表征。本文通过添加 side information ( 比如商品的种类、品牌、店铺 id 等 ) 等辅助类信息来缓解该问题，如下图 SI 1 - SI n 表示 n-1 个辅助 id 特征的 embedding 表示。
该模型的亮点是考虑了不同的 side information 在最终的 aggregated embeddings 中所占的权重是不同的，最后 aggregated embeddings 计算公式如下，其中分母用来归一化。
❷ GraphSAGE：Inductive representation learning on large graphs
经典的图卷积神经网络 GCN 有一个缺点：需要把所有节点都参与训练才能得到 node 的 embedding，无法快速得到新 node 的 embedding。这是因为添加一个新的 node，意味着许多与之相关的节点的表示都应该调整。所以新的 graph 图会发生很大的变化，要想得到新的 node 的表示，需要对新的 graph 重新训练。
GraphSAGE 的基本思想：学习一个 node 节点的信息是怎么通过其邻居节点的特征聚合而来的。算法如下：
大致流程是：对于一个 node 需要聚合 K 次，每次都通过聚合函数 aggregator 将上一层中与当前 node 有邻接关系的多个 nodes 聚合一次，如此反复聚合 K 次，得到该 node 最后的特征。最下面一层的 node 特征就是输入的 node features。
❶ SDM: Sequential Deep Matching Model for Online Large-scale Recommender System
背景：在电商场景中，用户都会有短期兴趣和长期兴趣，比如在当前的浏览session内的一个点击序列，用户的需求往往是明确的，这属于用户短期的兴趣。另外用户还有一些长期的兴趣表达，比如品牌、店铺的偏好。因此通过模型分别建模用户的长、短期兴趣是有意义的。
上图中
上面的公式输出表示用户的 embedding 表示，而 item 的 embedding 表示和 YouTube DNN 一样，可以拿 softmax 层的权重。其实也可用 graph embedding 先离线训练好 item 的 embedding 表示。
线上预测：通过 user id 找到相应的 user embedding，然后使用 KNN 方法 ( 比如 faiss ) 找到相似度最高的 top-N 条候选结果返回。
❷ Next Item Recommendation with Self-Attention
本文亮点是同时建模用户短期兴趣 ( 由 self-attention 结构提取 ) 和用户长期兴趣。其短期兴趣建模过程：使用用户最近的 L 条行为记录来计算短期兴趣。可使用 X 表示整个物品集合的 embedding，那么，用户 u 在 t 时刻的前 L 条交互记录所对应的 embedding 表示如下：
其中每个 item 的 embedding 维度为 d，将
这里需要注意和传统 transformer 的不同点：
计算 softmax 前先掩掉
矩阵的对角线值，因为对角线其实是 item 与本身的一个内积值，容易给该位置分配过大的权重。 没有将输入
乘以 得到 ，而是直接将输入 乘以 softmax 算出来的 score。 直接将 embedding 在序列维度求平均，作为用户短期兴趣向量。
Self-attention 模块只使用用户最近的 L 个交互商品作为用户短期的兴趣。那么怎么建模用户的长期兴趣呢？可认为用户和物品同属于一个兴趣空间，用户的长期兴趣可表示成空间中的一个向量，而某物品也可表示为成该兴趣空间中的一个向量。那如果一个用户对一个物品的评分比较高，说明这两个兴趣是相近的，那么它们对应的向量在兴趣空间中距离就应该较近。这个距离可用平方距离表示：
其中 U 是用户的兴趣向量，V 是物品的兴趣向量
综合短期兴趣和长期兴趣，可得到用户对于某个物品的推荐分，推荐分越低，代表用户和物品越相近，用户越可能与该物品进行交互。
TDM 是为大规模推荐系统设计的、能够承载任意先进模型 ( 也就是可以通过任何深度学习推荐模型来训练树 ) 来高效检索用户兴趣的推荐算法解决方案。TDM 基于树结构，提出了一套对用户兴趣度量进行层次化建模与检索的方法论，使得系统能直接利高级深度学习模型在全库范围内检索用户兴趣。其基本原理是使用树结构对全库 item 进行索引，然后训练深度模型以支持树上的逐层检索，从而将大规模推荐中全库检索的复杂度由 O(n) ( n 为所有 item 的量级 ) 下降至 O(log n)。
❶ 树结构
如上图所示，树中的每一个叶节点对应一个 item；非叶节点表示 item 的集合。这样的一种层次化结构，体现了粒度从粗到细的 item 架构。此时，推荐任务转换成了如何从树中检索一系列叶节点，作为用户最感兴趣的 item 返回。
❷ 怎么基于树来实现高效的检索？
采用 beam-search 的方法，根据用户对每层节点的兴趣挑选 topK，将每层 topK 节点的子节点作为下一层挑选的候选集合逐层展开，直到最终的叶子层。比如上图中，第一层挑选的 Top2 是 LN1 和 LN2，展开的子节点是 SN1 到 SN4，在这个侯选集里挑选 SN2 和 SN3 是它的 Top2，沿着 SN2 和 SN3 它的整个子节点集合是 ITEM3 到 ITEM6，在这样一个子结合里去挑 Top2，最后把 ITEM4 和 ITEM6 挑出来。
那么为什么可以这样操作去 top 呢？因为这棵树已经被兴趣建模啦 ( 直白意思就是每个节点的值都通过 CTR 预估模型进行训练过了，比如节点的值就是被预测会点击的概率值 )，那么问题来了，怎么去做兴趣建模呢 ( 基于用户和 item 的特征进行 CTR 预估训练 )？
❸ 兴趣建模
如上图，假设用户对叶子层 ITEM6 节点是感兴趣的，那么可认为它的兴趣是 1，同层其他的节点兴趣为 0，从而也就可以认为 ITEM6 的这个节点上述的路径的父节点兴趣都为 1，那么这一层就是 SN3 的兴趣为 1，其他的为 0，这层就是 LN2 的兴趣为 1，其他为 0。也就是需要从叶子层确定正样本节点，然后沿着正样本上溯确定每一层的正样本，其他的同层采样一些负样本，构建用于每一层偏序学习模型的样本。
构造完训练样本后，可以利用 DIN ( 这里可以是任何先进的模型 ) 承担用户兴趣判别器的角色，输入就是每层构造的正负样本，输出的是 ( 用户，节点 ) 对的兴趣度，将被用于检索过程作为寻找每层 Top K 的评判指标。如下图：在用户特征方面仅使用用户历史行为，并对历史行为根据其发生时间，进行了时间窗口划分。在节点特征方面，使用的是节点经过 embedding 后的向量作为输入。此外，模型借助 attention 结构，将用户行为中和本次判别相关的那部分筛选出来，以实现更精准的判别。
❹ 兴趣树是怎么构建的？网络与树结构的联合训练
优化模型和优化样本标签交替进行。具体过程：最开始先生成一个初始的树，根据这个初始的树去训练模型，有了模型之后，再对数据进行判别，找出哪些样本标签打错了，进行标签的调整，相当于做树结构的调整。完成一轮新的树的结构的调整之后，我们再来做新的模型学习，实现整个交替的优化。
模型训练、优化样本标签过程迭代进行，最终得到稳定的结构与模型。
❺ 总结
目前TDM模型更多承担的还是召回的工作：
TDM初步实现了在数据驱动下的模型、检索和索引三者的联合学习。其中索引决定了整个数据的组织结构，它承载的是模型能力和检索策略，以实现检索的快速和准确。检索实际上是面向目标，它需要和索引结构相适配。模型支撑的则是整个检索效果的优化。
参考链接：
[1]https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/45530.pdf
[2]https://dl.acm.org/citation.cfm?id=3346996
[3]https://arxiv.org/pdf/1904.08030.pdf
[4]https://arxiv.org/pdf/1803.02349.pdf
[5]https://arxiv.org/pdf/1706.02216.pdf
[6]https://zhuanlan.zhihu.com/p/74242097
[7]https://arxiv.org/abs/1909.00385v1
[8]https://www.jianshu.com/p/9eb209343c56
[9]https://zhuanlan.zhihu.com/p/78941783
原文链接：
https://zhuanlan.zhihu.com/p/97821040
Alex-zhai 京东算法工程师。从事深度强化学习、深度学习、图像处理、深度学习推荐算法、分布式训练架构等方向。
——END——
文章推荐：
DataFunTalk：
专注于大数据、人工智能技术应用的分享与交流。
一个「在看」，一段时光！👇