|
|
|
|
|
# 15 | 深度和宽度兼具的融合模型 Wide and Deep
|
|
|
|
|
|
|
|
|
|
|
|
我在前面已经提到过一个事实，就是推荐系统的框架大都是多种召回策略外挂一个融合排序。召回策略的姿势繁多，前面的专栏文章已经涉及了一部分内容。今天我们继续说融合排序。
|
|
|
|
|
|
|
|
|
|
|
|
## 要深还是要宽
|
|
|
|
|
|
|
|
|
|
|
|
融合排序，最常见的就是CTR预估，你一定不要把自己真的只局限在C上，这里说的CTR预估的C，可以是产品中的任何行为，视频是不是会看完，看完后是不是会收藏，是不是会分享到第三方平台，查看的商品是不是会购买等等，都可以看成那个可以被预估发生概率的CTR。
|
|
|
|
|
|
|
|
|
|
|
|
CTR预估的常见做法就是广义线性模型，如 Logistic Regression，然后再采用特征海洋战术，就是把几乎所有的精力都放在搞特征上：挖掘新特征、挖掘特征组合、寻找新的特征离散方法等等。
|
|
|
|
|
|
|
|
|
|
|
|
这种简单模型加特征工程的做法好处多多：
|
|
|
|
|
|
|
|
|
|
|
|
1. 线性模型简单，其训练和预测计算复杂度都相对低；
|
|
|
|
|
|
2. 工程师的精力可以集中在发掘新的有效特征上，俗称特征工程；
|
|
|
|
|
|
3. 工程师们可以并行化工作，各自挖掘特征；
|
|
|
|
|
|
4. 线性模型的可解释性相对非线性模型要好。
|
|
|
|
|
|
|
|
|
|
|
|
特征海洋战术让线性模型表现为一个很宽广（Wide）的模型，可以想象逻辑回归中那个特征向量在特征工程的加持下，越来越宽的样子。
|
|
|
|
|
|
|
|
|
|
|
|
最近十年，是深度学习独步天下的十年，犹如异军突起，一路摧城拔寨，战火自然也烧到了推荐系统领域，用深度神经网络来革“线性模型+特征工程”的命，也再自然不过。
|
|
|
|
|
|
|
|
|
|
|
|
用这种“深模型”升级以前的“宽模型”，尤其是深度学习“端到端”的诱惑，可以让每天沉迷搞特征无法自拔的工程师们主动投怀送抱。
|
|
|
|
|
|
|
|
|
|
|
|
深度学习在推荐领域的应用，其最大好处就是“洞悉本质般的精深”，优秀的泛化性能，可以给推荐很多惊喜。
|
|
|
|
|
|
|
|
|
|
|
|
硬币总有正反面，深度模型的泛化强于线性模型，也会导致推荐有时候看上去像是“找不着北”，就是大家常常自问的那句话：“不知道这是怎么推出来的？”用行话说，就是可解释性不好。
|
|
|
|
|
|
|
|
|
|
|
|
以前全面搞特征时，你叫人家“宽模型”小甜甜，现在新模型换旧模型，“深模型”一出，就叫“宽模型”牛夫人，这样不好，还是要两者合作，才能最大限度地发挥效果。
|
|
|
|
|
|
|
|
|
|
|
|
因此，Google在2016年就发表了他们在Google Play应用商店上实践检验过的CTR预估方法：Wide & Deep模型，让两者一起为用户们服务，这样就取得了良好效果。
|
|
|
|
|
|
|
|
|
|
|
|
下面，我就为你详细介绍一下这个深宽模型。
|
|
|
|
|
|
|
|
|
|
|
|
## Wide & Deep模型
|
|
|
|
|
|
|
|
|
|
|
|
一个典型的推荐系统架构，其实很类似一个搜索引擎，搜索由检索和排序构成。推荐系统也有召回和排序两部构成，不过，推荐系统的检索过程并不一定有显式的检索语句，通常是拿着用户特征和场景特征去检索召回，其中用户特征也就是在前面的专栏中提到的用户画像。
|
|
|
|
|
|
|
|
|
|
|
|
示意图如下.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
简单描述一下这个示意图。
|
|
|
|
|
|
|
|
|
|
|
|
首先使用用户特征和上下文场景特征从物品库中召回候选推荐结果，比如得到100个物品，然后用融合模型对这100个物品做最终排序，输出给用户展示。
|
|
|
|
|
|
|
|
|
|
|
|
同时开始记录展示日志和用户行为日志，再把收集到的日志和用户特征、上下文场景特征、物品特征拉平成为模型的训练数据，训练新的模型，再用于后面的推荐，如此周而复始。
|
|
|
|
|
|
|
|
|
|
|
|
今天要说的深宽模型就是专门用于融合排序的，分成两部分来看。一部分是线性模型，一部分是深度非线性模型。整个示意图如下：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
我来解释一下这个示意图，这个示意图有三部分。最左边是宽模型，中间是深宽模型，最右边是纯的深度模型。
|
|
|
|
|
|
|
|
|
|
|
|
首先，线性模型部分，也就是“宽模型”，形式如下：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
再次强调一下，这是线性模型的标准形式，逻辑回归只是在这基础上用sigmoid函数变换了一下。
|
|
|
|
|
|
|
|
|
|
|
|
模型中的X是特征，W是权重，b是模型的偏置，也是线性模型的截距。线性模型中常用的特征构造手段就是特征交叉。
|
|
|
|
|
|
|
|
|
|
|
|
例如：“性别=女 and 语言=英语。”就是由两个特征组合交叉而成，只有当“性别=女”取值为1，并且“语言=英语”也取值为1时，这个交叉特征才会取值为1。线性模型的输出这里采用的Logistic Regression。
|
|
|
|
|
|
|
|
|
|
|
|
好，现在把头转到右边，看看深度模型。深度模型其实就是一个前馈神经网络。
|
|
|
|
|
|
|
|
|
|
|
|
深度模型对原始的高维稀疏类别型特征，先进行嵌入学习，转换为稠密、低维的实值型向量，转换后的向量维度通常在10-100这个范围。
|
|
|
|
|
|
|
|
|
|
|
|
这里的嵌入学习，就是先随机初始化嵌入向量，再直接扔到整个前馈网络中，用目标函数来优化学习。
|
|
|
|
|
|
|
|
|
|
|
|
由于本专栏并不会专门讲深度学习的原理，后面还会继续讲到深度学习和推荐系统的结合使用，所以有必要在这里简单普及一下深度学习的基本概念，不然我自顾自地开车，你可能会觉得辣眼睛。
|
|
|
|
|
|
|
|
|
|
|
|
就以这里的“深”模型，也就是示意图中最右边的图为例，一个深度神经网络由输入层，隐藏层，输出层构成。
|
|
|
|
|
|
|
|
|
|
|
|
那这个和逻辑回归的区别在哪呢？你可以认为逻辑回归是个残缺的神经网络，只有输入层和输出层，没有隐藏层。
|
|
|
|
|
|
|
|
|
|
|
|
逻辑回归的输入层就是特征向量，原来我们熟悉的特征权重，就是神经网络的参数，就存在于这个残缺的神经网络输入层和输出层的连线上，后面都可以这么理解，深度神经网络参数都在那些连线上。
|
|
|
|
|
|
|
|
|
|
|
|
这个残缺神经网络的输出层做了两件事，这时特征值在经过连线送到输出层时已经乘以了连线上的参数，第一件事就是把这些值加起来，第二件事就是用sigmoid函数变换一下。
|
|
|
|
|
|
|
|
|
|
|
|
把逻辑回归当成一个残缺的神经网络理解后，再回头看真正的神经网络，这里多了一个隐藏层，这个多出来的隐藏层干的事就是刚才提到的输出层的两板斧。
|
|
|
|
|
|
|
|
|
|
|
|
只不过一个隐藏层可以有多个神经元在干这两件事，隐藏层的这多个神经元就相当于输出层的输入层。
|
|
|
|
|
|
|
|
|
|
|
|
这个增加的隐藏层有什么意义呢？意义就是给模型提供了非线性转换。
|
|
|
|
|
|
|
|
|
|
|
|
所谓深度学习，就是深度神经网络，就是有不止一层的隐藏层存在。层数越多，非线性越强，模型越复杂。还有两点需要说明：
|
|
|
|
|
|
|
|
|
|
|
|
1. 隐藏层的激活函数不一定是sigmoid函数，甚至往往不用sigmoid函数；
|
|
|
|
|
|
2. 输出层的函数也不一定是sigmoid函数，这个根据预测目标而定，回归任务就是i 直接输出求和部分，二分类是sigmoid函数，多分类则是softmax。
|
|
|
|
|
|
|
|
|
|
|
|
好，插播深度学习概念结束，回到主题来。深模型中，每一个隐藏层激活方式表示如下。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中l表示第l个隐藏层，f是激活函数，通常选用ReLU，也叫整流线性单元，为什么选用ReLU而不是sigmoid函数，原因主要是sigmoid函数在误差反向传播时梯度容易饱和。
|
|
|
|
|
|
|
|
|
|
|
|
如果你不明白这句话可以不用管，不影响你上车。这里我用示意图说明了一下常用激活函数的形状。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. 紫色是sigmoid函数，就是逻辑回归用的那个，输入值是任意范围，输出是0到1之间；
|
|
|
|
|
|
2. 草绿色是反正切函数，和sigmoid函数样子很像，输入值是任意范围，输出是-1到1之间；
|
|
|
|
|
|
3. 红色就是ReLU函数，当输入小于0时，输出为0，当输入大于0时，输出等于输入；
|
|
|
|
|
|
4. 蓝色是softplus函数，是一条渐近线，输入趋向于负无穷时，输出趋于0，输入趋于正无穷时，输出趋向于等于输入。
|
|
|
|
|
|
|
|
|
|
|
|
最后，看看两者的融合，即深宽模型。深模型和宽模型，由逻辑回归作为最终输出单元，深模型最后一个隐藏层作为特征接入逻辑回归，宽模型的原始特征与之一起接入逻辑回归，然后训练参数。
|
|
|
|
|
|
|
|
|
|
|
|
参数学习就是通常说的端到端，把深模型和宽模型以及最终融合的权重放在一个训练流程中，直接对目标函数负责，不存在分阶段训练。它与机器学习中的集成学习方法有所区别，集成学习的子模型是独立训练的，只在融合阶段才会学习权重，这里是整体。
|
|
|
|
|
|
|
|
|
|
|
|
把深宽模型的最后输出过程表示成公式就是：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中，Y是我们要预估的行为，二值变量，如购买，或点击，Google的应用场景为“是否安装APP”。σ是sigmoid函数，$W\_wide^T $宽模型的权重，Φ(X)是宽模型的组合特征，$W\_deep^T $应用在深模型输出上的权重，$a^(l\_f ) $是深模型的最后一层输出，b是线性模型的偏置。
|
|
|
|
|
|
|
|
|
|
|
|
## 几点技巧
|
|
|
|
|
|
|
|
|
|
|
|
这个深宽模型已经在TensorFlow中有开源实现，具体落地时整个数据流如下图所示。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
整个流程分为三大块：数据生成，模型训练，模型应用。
|
|
|
|
|
|
|
|
|
|
|
|
### 1数据生成
|
|
|
|
|
|
|
|
|
|
|
|
数据生成有几个要点：
|
|
|
|
|
|
|
|
|
|
|
|
每一条曝光日志就生成一条样本，标签就是1/0，安装了App就是1，否则就是0。
|
|
|
|
|
|
|
|
|
|
|
|
将字符串形式的特征映射为ID，需要用一个阈值过滤掉那些出现样本较少的特征。
|
|
|
|
|
|
|
|
|
|
|
|
对连续值做归一化，归一化的方法是：对累积分布函数P(X<=x)划分nq个分位，落入第i个分位的特征都归一化为下图所示。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 2模型训练
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
整个模型的示意如图所示。其要点，在深度模型侧：
|
|
|
|
|
|
|
|
|
|
|
|
1. 每个类别特征embedding成一个32维向量；
|
|
|
|
|
|
2. 将所有类别特征的embedding变量连成一个1200维度左右的大向量；
|
|
|
|
|
|
3. 1200维度向量就送进三层以ReLU作为激活函数的隐藏层；
|
|
|
|
|
|
4. 最终从Logistic Regreesion输出。
|
|
|
|
|
|
|
|
|
|
|
|
宽模型侧就是传统的做法：特征交叉组合。
|
|
|
|
|
|
|
|
|
|
|
|
当新的样本集合到来时，先是用上一次的模型来初始化模型参数，然后在此基础上进行训练。
|
|
|
|
|
|
|
|
|
|
|
|
新模型上线前，会先跑一遍，看看会不会出事，算是一个冒烟测试。
|
|
|
|
|
|
|
|
|
|
|
|
### 3 模型应用
|
|
|
|
|
|
|
|
|
|
|
|
模型验证后，就发布到模型服务器。模型服务，每次网络请求输入的是来自召回模块的App候选列表以及用户特征，再对输入的每个App进行评分。评分就是用我们的“深宽模型”计算，再按照计算的CTR从高到低排序。
|
|
|
|
|
|
|
|
|
|
|
|
为了让每次请求响应时间在10ms量级，每次并不是串行地对每个候选App计算，而是多线程并行，将候选App分成若干并行批量计算。
|
|
|
|
|
|
|
|
|
|
|
|
正因为有这些小的优化点，GooglePlay的App推荐服务，就是在峰值时每秒计算千万级的App。
|
|
|
|
|
|
|
|
|
|
|
|
## 总结
|
|
|
|
|
|
|
|
|
|
|
|
将传统的“宽模型”和新的“深模型”结合，虽然更多的是一种工程上的创新，但是非常有实用性，模型也容易很理解。
|
|
|
|
|
|
|
|
|
|
|
|
简单画一下全文重点。
|
|
|
|
|
|
|
|
|
|
|
|
1. 深宽模型是一个结合了传统线性模型和深度模型的工程创新。
|
|
|
|
|
|
2. 这个模型适合高维稀疏特征的推荐场景，稀疏特征的可解释性加上深度模型的泛化性能，双剑合璧。
|
|
|
|
|
|
3. 这个模型已经开源在TensorFlow中，大大减小了落地成本，感兴趣可自行取用。
|
|
|
|
|
|
4. 为了提高模型的训练效率，每一次并不从头开始训练，而是用上一次模型参数来初始化当前模型的参数。
|
|
|
|
|
|
5. 将类别型特征先做嵌入学习，再将嵌入稠密向量送入深度模型中。
|
|
|
|
|
|
6. 为了提高服务的响应效率，对每次请求要计算的多个候选App采用并行评分计算的方式，大大降低响应时间。
|
|
|
|
|
|
|
|
|
|
|
|
嗯，这真的是一个既博学又精深的模型啊。
|
|
|
|
|
|
|
|
|
|
|
|
最后一点后话，这个模型在线上效果还是不错的，以GooglePlay的App推荐效果为例，用户安装表现良好，对照实验结果如图所示。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
可以看到，线上效果直接相对于对照组（纯线性模型+人工特征）有3.9%的提升，但是线下的AUC值提高并不明显，这其实也给你提了个问题，AUC值是不是最佳的线下评估方式？欢迎留言一起讨论。
|
|
|
|
|
|
|
|
|
|
|
|
## 本周知识图
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
