论文笔记|Deep Interest Network for Click-Through Rate Prediction

这是阿里的一篇提出深度兴趣网络这一结构的文章。
如之前所说，在推荐系统中，用户行为序列含有很强的信息，包含了用户可能对什么类型的商品的兴趣趋向。在之前的YouTube的论文中，采用了将序列信息的embedding vector进行均值处理的方式，实际上这也是大部分网络结构对此的处理方式。人们尝试使用NLP中的序列信息分析方法，比如LSTM进行序列分析，然而效果并不理想，说明用户的行为序列信息与语言的词汇序列有所不同。
在这篇文章中，考虑到一个用户可能对多个不相关领域的商品均有过行为，而简单的将所有领域的商品一概均值则会抹除这部分信息，因此提出了“attention”这一机制。顾名思义，用户对不同的商品行为有着不同的注意力，比如给自己买了一本书，比如给家人买了一件衣服，因此对于不同商品采用了不同的处理方式。网络结构如图所示。

左图为其他典型网络的处理方式，将multi-hot features进行pooling操作。而在DIN中，引入了一个activation weight环节，将用户行为序列中的商品的embedding vector与预测的广告商品的embedding vector进行权值计算，然后用该权值对序列中的商品进行加权pooling处理。其计算公式为
$$v_U(A)=f(v_A,e_1,e_2,..,e_H)=\sum _{j=1}^{H}a(e_j,v_A)e_j=\sum _{j=1}^H{w}_j{e}_j$$
这里权值是通过数据训练得到，具体实现有待于进一步探究一下。
模型方面就是这样，提出了attention这一机制。其他工程细节方面，首先文章提出了Dice这一激活函数，如下图所示

其中左面为PReLU激活函数，具体为

右面为本文提出的Dice函数，具体为

Dice函数引入了输入数据的统计信息。第二，在计算正则项时，比如L2正则项，需要计算所有参数的范数，而本文提出的mini-batch aware regularization则是每次在一个mini batch中，仅使用对应特征不为0的参数进行正则项的计算并且更新参数。在CTR估计中，输入数据高维稀疏，且符合长尾分布，许多feature ID仅出现几次，十分容易过拟合。因此在本文中，提出了根据feature ID的频率更新参数，对于高频feature ID，其正则化程度相对较低。具体实现为

第三，本文采用了GAUC代替了AUC，具体如下

即在计算AUC时，不是将所有用户的正负样本在一起计算，而是对于每个用户单独计算自身的AUC，并根据其自身的行为数量（如点击）进行加权处理。
阿里的这篇文章第一遍读来仍有大量地方不是很懂，这里暂且记一下笔记，待详细学习后再做补充。

---

对于AUC部分，又看了一些资料，做一下补充。
对于LR分类器，输出结果为该样本为正例的概率值p(0<p<1)，因此需要设定一阈值，大于该阈值的样本判定为正例，小于该阈值的样本判定为负例。比如为了增加precision，就需要增大阈值，减少判定为正例的数量；而为了增加recall，则需要减小阈值，避免将正例误判为负例。而为了判定一个分类器输出的概率值是否准确，则需要直接判断正例与负例的输出概率高低比较，此时则需要通过AUC(Area Under Curve)来获取。AUC为ROC与横轴围成的面积，横轴为False Positive Rate，即判定为正例的负例占所有负例数量的比例，纵轴为True Positive Rate，即判定为正例的正例占所有正例数量的比例。通常选择另一种计算方式进行计算，即任意拿一个正例与负例进行对比，正例的输出概率值高于负例的输出概率值的概率等于AUC，比如共有$M$个正例，$N$个负例，则共有$M\times N$个正负例对，其中正例概率值大于负例概率值的概率即AUC。
而在推荐排序中，由于具有很强的个性化特点，每个用户的表现各不相同，可能存在点击特别高的用户，因此直接拿AUC衡量并不准确，所以GAUC对每个用户分别计算AUC，然后根据每个人的点击量进行加权求和作为整个模型的AUC。