推荐系统（一）：Wide & Deep源论文整理和思考

最近有一批业务需要用到推荐算法，因此，准备认真整理一下自己学习的推荐算法的思路，以便于正确地应用和对比。

一、推荐算法

1.1 背景

首先应该需要了解推荐算法的一些基本思路，我之前整理过一篇《（一）推荐算法概述——以协同过滤为主》。

简单来说，推荐系统分为两种： CF-Based（协同过滤）、Content-Based（基于内容的推荐）

• 协同过滤(collaborative filtering)就是指基于用户的推荐，用户A和B比较相似，那么A喜欢的B也可能喜欢
• 基于内容推荐是指物品item1和item2比较相似，那么喜欢item1的用户多半也喜欢item2

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。（我们接下来的例子均是以论文的背景为例，论文的例子是给Google应用商店的用户推荐APP）

1.2 Retrieval

假如实现上面的推荐系统，针对这一次Query，来给出推荐列表。最简单，最暴力的做法是什么呢？

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，数据库中的APP实在是太多了，为了保证响应时间，这样做不具备可行性。Retrieval就是用来解决这个问题的(这就是大名鼎鼎的召回，其实应该是找回)。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。

1.3 Ranking

我们在Retrieval（可以理解成粗排）的基础上再进行Ranking（可以理解成精排）就可以输出推荐的内容。

总的来说， 推荐系统 = Retrieval + Ranking

当然，今天的主角Wide&Deep Model就是用来做Ranking的。不出意外，近期我的博客内容也会重点关注Ranking。

在之前的大规模的在线推荐系统中，Ranking部分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稀疏特征和一些交叉特征。

在稀疏特征上cross-product transformations来实现Memorization（这个词汇下面会介绍），比如：AND(user_installed_app=netflix, impression_app=pandora)，当特征user_installed_app=netflix,和特征impression_app=pandora取值都为1的时候，组合特征AND(user_installed_app=netflix, impression_app=pandora)的取值才为1，否则为0。

我们可以看到，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。（Embedding的内容可以参考我之前的博客，这方面我介绍了很多）

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。

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。

因此，结合这两者的优缺点，一个很自然的想法是为什么我们不能将linear model和DNN model结合起来呢，于是Wide & Deep模型应运而生。

二、Wide & Deep

2.1 Memorization 和 Generalization

Wide&Deep整篇论文的思想其实就是基于这两个词。

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）。

这就是Memorization和Generalization的来由或者说含义。

Wide&Deep Mode就是希望计算机可以像人脑一样，可以同时发挥memorization和generalization的作用。—Heng-Tze Cheng(Wide&Deep作者)

2.1 Wide & Deep Model

其实，简单来说，Wide就是使用了一种线性模型，当然也可以认为是一种特殊的神经网络，它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。如图所示，左侧是Wide-only，右侧是Deep-only，中间是Wide & Deep：

参考我们在1.3和2.1节的内容，可以这么说：

Wide Linear Model用于memorization；Deep Neural Network用于generalization。

• 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。通过对低维度的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。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）

总结一下：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）。

而Wide & Deep的两部门（线性模型 + DNN）就是平衡了memorization和generalizatio。

结论：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。（原论文实验中的结论）

三、论文解读: Wide & Deep Learning

有了上面的背景知识，我们接下来介绍一下Wide & Deep 是如何为用户推荐 Apps的。这里的内容基于论文的结构来介绍，具体参考了参考文献【2】。

3.1 推荐系统流程

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impressions。

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。

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：即找回。从Database中粗排一个集合。

Ranking: Wide & Deep模型，也就是接下来介绍的内容。当然也可以是其它的排序模型。

3.2 The wide component

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（负样本），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。

3.3 The deep component

Deep Part通过学习一个低维度的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。

3.4 Joint training of Wide & Deep model

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”(即query的特征，如打开设备的时间，查询的内容等；和item的特征，如app的一些特征):

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model ensemble。

• 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。

四、论文解读: System Implementation

整体的系统实现如下图：

我们接下来详细介绍这3个模块：

4.1 数据生成 Data Generation

User Data和App Impression Data共同组成了Training Data。标签就是目标，如果目标是点击率，但是点了就是1，不点就是0；如果目标是下载率，那么下载了就是1，不下载就是0。

论文中重点介绍了一些特征处理的方法，如：过滤掉出现次数少于设定阈值的离散特征取值，然后把这些取值多的特征进行one-hot或者哈希处理。对于连续特征，通过分位数规范化到[0,1]，即先把所有的值分成n份，那么属于第i部分的值规范化之后的值为 (i - 1)/(n - 1)。

4.2 模型训练 Model Training

Deep部分使用的特征：

• 连续特征

• Embedding后的离散特征，Item特征（Embedding的维度不固定，一般建议$k\sqrt[4]{n}$，$n$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.）

Wide部分使用的特征：

• Cross Product Transformation生成的组合特征

当然，这不是固定的套路，具体如何使用很灵活。

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。

4.3 线上使用 Model Serving

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。

五、总结

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。

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。

六、DNNLinearCombinedClassifier

在tensorflow中实现了Wide & Deep，因此对于我们来说，想要应用Wide & Deep是比较简单的。

在tensorflow中，Wide & Deep的API叫DNNLinearCombinedClassifier，在这里可以详细看到英文版和中文版的说明。

参考文献

【1】Wide & Deep learning for Recommender System

【2】计算广告CTR预估系列(四)–Wide&Deep理论与实践

【3】DNNLinear组合分类器的使用