1. 概述
在前DeepLearning时代,以Logistic Regression(LR)为代表的广义线性模型在CTR,CVR中得到了广泛的应用,主要原因包括:
- 模型足够简单,相当于不包括隐含层的神经网络;
- 可扩展性强;
- 可解释性强,因为是线性的模型,可以很方便的显现出特征对最终结果的强弱。
虽然线性模型有如上的优点,但同时也存在很多的不足,其中最重要的是无法处理特征的交叉,泛化能力较差。在以CTR为代表的Ranking问题中,需要同时获得记忆(memorization)和泛化(generalization)的能力。记忆可以理解为从历史数据中学习到item或者特征之间的共现关系,泛化则是对上述共现关系的传递,能够对未出现的关系对之间的共现关系进行判定。引用文中的例子:假设样本中包含了共现关系AND(user_installed_app=netflix, impression_app=pandora)
表示用户安装了Netflix,并随后见到Pandora(注:美国流媒体音乐)时值为,通过记忆的学习生成特征AND(user_installed_app=netflix, impression_app=pandora)
与目标值之间的关系。但是当出现一条样本AND(user_installed_app=哔哩哔哩, impression_app=网易云音乐)
,单纯依靠记忆能力就无法做出置信的判断。
为了能够使得线性模型具有特征交叉的能力,人们不得不在特征工程上花费大量的时间。对于广义线性模型来说,也不是解决不了上述的问题,通过特征工程,需要能够挖掘出共现关系AND(user_installed_category=video, impression_category=music)
。随着算法的不断发展,随后也出现了许多的优化方案,如FM算法通过在线性模型的基础上引入交叉项,GBDT+LR算法通过GBDT模型对特征的学习,有效的处理特征交叉问题。随着深度学习的发展,深度学习天生的泛化能力,使得人们能够从繁重的特征工程中解放出来。
既然LR模型具有记忆能力,DNN模型具有泛化能力,综合这两部分的能力便能更好的求解Ranking问题。Wide & Deep模型同时具备了这两种能力,LR模型构成了Wide侧,DNN模型构成了Deep侧。
2. Wide & Deep模型
2.1. Wide & Deep模型结构
Wide & Deep模型的结构如下图所示:
在Wide & Deep模型中包括两个部分,分别为Wide部分和Deep部分,Wide部分如上图中的最左侧的图(Wide Models)所示,Deep部分如上图中的最右侧的图(Deep Models)所示。
2.1.1. Wide侧模型
Wide侧模型就是一个广义的线性模型,如下图所示:
Wide侧的广义线性模型可以表示为:
其中,特征是一个维的向量,为模型的参数。最终在的基础上增加Sigmoid函数作为最终的输出。对于广义线性模型的特征,通常需要特征工程的参与,特征中不仅包含了原始的特征,还包括一些交叉特征,如上述的AND(user_installed_app=netflix, impression_app=pandora)
特征。
2.1.2. Deep侧模型
Deep侧模型是一个典型的DNN模型,如下图所示:
对于DNN模型来说,不适合处理离散的稀疏特征,因此在深度神经网络模型中,通常需要将输入的离散稀疏特征转换成连续的稠密特征,如上图中的embedding层。在训练的时候,模型中的embedding向量参与模型一起运算。隐含层的计算方法为:
其中,称为激活函数,如ReLUs。表示的是第层的激活函数输出,表示的是第层的偏置,表示的是第层的模型权重。
2.2. Wide & Deep模型的联合训练(joint training)
联合训练是指同时训练Wide侧模型和Deep侧模型,并将两个模型的结果的加权和作为最终的预测结果:
其中,表示的wide侧的原始特征,表示的是经过特征工程后的交叉特征。
原文中提到模型训练采用的是联合训练(joint training),模型的训练误差会同时反馈到Wide侧模型和Deep侧模型中进行参数更新。Joint training与ensemble learning是不同的,对于ensemble learning来说,模型之间是相互独立的,每一个模型独立训练,仅在做inference的时候做最终结果的融合;而对于joint training来说,多个模型是一起训练的,最终的结果受到各个模型的相互影响,如Wide & Deep中最终的结果受到Wide侧模型和Deep侧模型的共同影响,因此在Wide & Deep中,Wide侧模型需要侧重于memorization的训练,而Deep侧模型需要侧重于generalization的训练,从而使得单个模型的大小和复杂度能得到控制。
对于上述问题的损失函数为
其中,为真实的标签,为预测值,即。Wide & Deep模型中的参数为,和。
在Tensorflow的1.x版本中提供了如下的Wide & Deep函数:
tf.estimator.DNNLinearCombinedClassifier(
model_dir=None, linear_feature_columns=None, linear_optimizer='Ftrl',
dnn_feature_columns=None, dnn_optimizer='Adagrad', dnn_hidden_units=None,
dnn_activation_fn=tf.nn.relu, dnn_dropout=None, n_classes=2, weight_column=None,
label_vocabulary=None, input_layer_partitioner=None, config=None,
warm_start_from=None, loss_reduction=losses.Reduction.SUM, batch_norm=False,
linear_sparse_combiner='sum'
)
文中提到针对Wide侧和Deep采用不同的训练方法,如Wide侧模型采用FTRL(设置上述函数中的linear_optimizer
参数),Deep侧模型:AdaGrad
2.3. 特征处理
通过对Wide & Deep模型的分析,Wide & Deep模型本身并不复杂。如上所述,Wide侧模型需要侧重于memorization的训练,而Deep侧模型需要侧重于generalization的训练,因此在实际的应用中,应针对不同的业务场景,对Wide & Deep的Wide侧和Deep侧选择不同的特征,充分发挥Wide & Deep模型的优势。文中将Wide & Deep模型应用在Google play的apps推荐中。
模型的训练之前,最重要的工作是训练数据的准备以及特征的选择,在apps推荐中,可以使用到的数据包括用户和曝光数据。因此,每一条样本对应了一条曝光数据,同时,样本的标签为表示安装,则表示未安装。对于每条样本中特征的选择,可以参见下图:
对于特征的选择,从上图中可以看出:
- Wide侧主要是User Installed App和Impression App的交叉特征,用于记忆用户的兴趣
- Deep侧的特征包括连续特征和类别特征:
- 连续特征,通过归一化到区间后直接输入到DNN中
- 类别特征,通过词典(Vocabularies)将其映射成32维的稠密向量。
对于具体的特征的选择,一般包括用户侧的静态特征,如年龄,性别等,用户侧的行为特征,如历史点击(如本文中的历史安装),还包括一些上下文的特征,如session的特征,特征的选择没有固定的套路,需要根据具体的场景做合适的选择。
参考文献
[1] Cheng H T, Koc L, Harmsen J, et al. Wide & Deep Learning for Recommender Systems[J]. 2016:7-10.
[2] wide & Deep 和 Deep & Cross 及tensorflow实现
[4] 深度学习在 CTR 中应用