深度学习在序列化推荐中的应用 (1)-GRU4REC 以及扩展

{x_1,x_2,x_3,..,x_N} -> x_{N+1} $$ 因此对于这个序列如何建模来获取整个用户的意图行为至关重要，而之前传统的ML只能基于统计或者经验的方式来尽量抽取这些序列信息，并无法hold整个序列，16年提出的`GRU4REC`利用`RNN-Based`对用户序列进行建模并且取得了不错的效果，同时也会有一些研究对于`GRU4REC`做了不少改进和扩展，本文主要对`GRU4REC`以及扩展做一些简答的自我了解和记录。 ## GRU4REC `GRU4REC`是Session信息和GRU结合起来完成了推荐，他给定的场景是： > 用户在我们的应用上有一段行为`Session`（比如说点击item的需求），然后在于该Session信息来预测接下来可能会发生点击的item，而这笔的Session信息主要使用`GRU`模型来进行刻画： [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_arch.png) 1. 这边第一步的输入是用户的行为序列:$ [x_1,x_2,x_3,..,x_N]$ 2. 这些行为序列可以接下来使用两种Embedidng表示，一种是`One-Hot`方式,另一种是在`One-Hot`接下来过一个Embedding层 3. 将所有的输入进行向量化表示之后，会过若干层的GRU(就是比较核心的序列化建模了) 4. 完成序列化建模之后再进行一个`Feedforward`的网络转换 5. 最终对下一个目标进行预测,这边的目标其实就是$X_{N+1}$ > (作者说这种方式性能好，但是我到觉得这种场景下`One-Hot`不是很合适，`One-Hot`在这边他的DIM会巨大，并且会特别的稀疏,可能还是查表的来的好) 其实`GRU4REC`的整个思路还是很清晰，模型也很简单，但是该算法中比较重要的应该是他的加速优化和LOSS的选择可能会有比较大的参考价值意义: 为了能提高训练的效率，采用两种策略来进行训练的优化: 1. 使用`Mini-Batch`来进行训练: [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_minibatch.png) 因为用户行为的Session有长有短，并且他的差异性很大，传统的滑窗方式来构建训练数据并不适用，他这里用的策略是将不同的`Session`给拼接了起来，在同一个序列中如果遇到下一次Session时，会将GRU中的向量参数给重新初始化掉，因为这边GRU是对Step进行预测，所以在序列中间直接初始化掉问题也不大，这样还可以提升数据的利用率，会比简单`PADDING`的方式更加的合适。 2. 取巧的训练数据采样: 原始的模型中是需要过softmax对于每个item都计算才能对目标的item进行训练，因为item的维度非常高，所以这里的计算量是超级大的。作者在这里比较机智的在目标的样本中根据`热门`程度进行了采样，采样完成之后将同一个`mini-batch`中但是是其他`Session`的next-item作为负样本。用这些正负样本来训练整个神经网络。下面这个图对于采样非常形象了： [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_sampling.png) 因此这个模型现在已经转为对正负样本的一个`0-1`分类的问题,而且推荐里面，并不存在绝对的正负样本，用户也可能会对多个item存在偏好，所以这边比较合适`Loss Function`就是用`Pair-Wise`的模式了(只需要 正样本的score大于负样本即可): 1. `BPR(Bayesian Personalized Ranking)`:这是一种基于矩阵分解的损失函数，他的式子是:  $N_s$是样本量的大小，$\hat{r}_{s,i}$表示正样本的分数，$\hat{r}_{s,j}$表示负样本的分数。 2. `TOP1`:这是种基于正则化方式的损失函数  这种方式可以将$\hat{r}_{s,i}$的分数计算的更高，但是他同是也会是负样本，所以这边加了二范数来压制$\hat{r}$作为负样本时的分数 `GRU4REC`的实验结果也是蛮简单的,Baseline的实验不在这个表中，数据后面跟着的涨幅就是和Baseline的对比: [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_exp.png) 这边显示的也是`BPR`和`TOP1`这两种LOSS的效果会明显好于传统的交叉熵. `GRU4REC`是较早的将序列行为和GRU进行结合，其中`LOSS`这块的构建还是非常值得借鉴的。 > 该作者还开放了源码[https://github.com/hidasib/GRU4Rec](https://github.com/hidasib/GRU4Rec) ## GRU4REC-Sampling > 其中`GRU4REC-Sampling`和`GRU4REC`是同一个作者 ^_^ `GRU4REC-Sampling`也是在基于`GRU4REC`上的缺陷提出了额外的`Sampling`和新的`Loss Function` 作者认为`GRU4REC`存在下面三种局限: 1. `BatchSize`一般都是比较小的，在总样本较多时，如果采样少的话，分数比较高的负样本被采样进来的概率就偏少了（这里高分数要用于下面的Loss） 2. `BatchSize`会影响运行速度，但是由于设计的是`Mini-Batch`并行的方式，所以增加`BatchSize`也不会对速度有多大的影响 3. 虽然`GRU4REC`用的是根据热度采样，但是实际中全根据热度也不一定适应所有数据集 所以在`GRU4REC-Sampling`中又进行了额外的采样:同样是在`Mini-Batch`中进行采样，采样时根据这个公式$supp_i^\alpha$，而这边的$a$是一个`0~1`的值，如果$a=0$表示均匀采样，那么$a=1$为完全的热门采样。 另外`GRU4REC`中的`BPR`和`TOP1`会存在梯度的消失问题，因此作者设计了一种新的损失函数希望来最大化正样本的分数:  从这儿可以看出，新的损失函数是对`Max-Score`的负样本做pair，但是这种是不可求导了，所以作者用了一种近似的方式来实现,刚刚对`Max-Score`做负样本的方式可以转为`Score`越大，则`Loss`中的权重也越大，而这个权重可以用归一化的`softmax`来表示:  有了每个样本的权重表示之后，原先的`Loss Function`可以更改为: 1. `TOP1-MAX`:  2. `PR-max`:  对比一下`GRU4REC`中的`Loss Function`，其实就是额外增加了一个$s_j$的权重值。 [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_sampling_exp.png) 看下实验对比，额外的`Sampling`和新的`Loss Function`都还是有极大的提升的,惊呆。 > 我个人感觉`Sampling`起这么大的作用应该是采样之后样本不足了，这是一个训练时间和模型性能上的权衡，那么我如果不采样是不是效果就更好了-_-!! ## GRU4REC-DWell `GRU4REC-DWell`也是基于`GRU4REC`的一个简单的改进，其中`GRU4REC`已经证明在时序的推荐中序列化的建模非常有用。 另外作者认为在用户行为序列中，每个item的停留时间是非常重要的一个特征，而之前的`GRU4REC`算法只是用于简单的交互行为来构建样本，所以`GRU4REC-DWell`主要是很巧妙将用户在序列item上的停留时间和GRU4REC`结合了起来:` [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_dwell.png) 这里主要的Idea就是在原始的用户行为中，作者根据item上面的停留时间根据阈值进行切片，如果停留时间长的可能会有很多个切片，每个切片都作为一个新的行为项: 给定一个行为序列的集合$X=\{x_1,x_2,…,x_n\}$,每一个$x_i$对应的停留时间为$dt_i$，其中$t$为切片的阀值，则$x_i$可以分割的切片为$d_t/t + 1$。 也就是如上图所示，$i_2,1$就由于停留时间较久，所以分割成了三个切片。然后其他的就如原始的`GRU4REC`一样了，但是作者在做对比实验室加入了`GRU4REC-SAMPLING`进行了一起对比： [](http://kubicode.me/img/Session-Based-Recommendation/gru4rec_dwell_exp.png) 实验中显示，停留时间信息的加入对于模型的作用是非常巨大的。 ## HRNN 用户往往会存在多段不连续的Session（比如逛淘宝时，早上公交逛一次，中午午睡时逛一次，晚上睡前逛一次，这样就有三段Session序列，每一段内部是连续的），而之前的模型都是将这些Session行为都是独立训练的，文本中作者认为同一用户的不同Session间是有关联的，建模每一段Session可以发现用户的衍化。 所以作者提出了一种层次化的RNN序列建模，在每一段的`Session-Level`内部使用RNN建模的同时，会有一个`User-Level`的RNN来建模当前用户跨Session的行为，而`User-Level`的RNN的输入就是每一段`Session-Level`的final state。 用户的所用行为表示为 $$C^u = \{ S_1^u,S_2^u,…S_{M_u}^u \}$$ $S_m^u$代表一次完整的Session，其中$S_m^u$代表对应`Session`的`Representations`(也就是最终一个final state),则`User`级别的`Representations`为 $$ c_m = GRU_{usr}(s_m,c_{m-1}),m = 1,…,M_u$$ 所以这边`HRNN`的整个层次结构如图所示: [](http://kubicode.me/img/Session-Based-Recommendation/hrnn_arch.png) * 上面一层代表`Session-Level`的RNN，输入的是item，会对`next basket`进行预测，同时输出`final state` * 下面一层代表`User-Level`的RNN，输入的是`Session-Level`的`final state`，用户维护当前用户在整个应用的行为建模，并且会将当前Session的state输出作为下一次Session的`init state` [](http://kubicode.me/img/Session-Based-Recommendation/hrnn_exp.png) 主要对比的是原生的`GRU4REC`，性能大约有10%左右的提升，但是用的数据和`GRU4REC-Sampling`以及`GRU4REC-DWell`的不一样，感觉没有他们的提升多，并且在现实过程中，对于`Session`的划分也是需要很多的`trick`啊。 ## 总结 其实`GRU4REC`在DL中是一个非常`straight-forward`的框架，但是他的厉害之处就是设计了`Mini-Batch`和`Sampling`将整个模型跑了起来并且起到了一定的效果,另外后面的几个改进中停留时间的改进以及层次的`Session`还是比较不错，并且可实用性高一些。 ## 参考 1. Hidasi, Balázs, et al. “Session-based recommendations with recurrent neural networks.” arXiv preprint arXiv:1511.06939 (2015). 2. Hidasi, Balázs, and Alexandros Karatzoglou. “Recurrent neural networks with top-k gains for session-based recommendations.” arXiv preprint arXiv:1706.03847 (2017). 3. Bogina, Veronika, and Tsvi Kuflik. “Incorporating dwell time in session-based recommendations with recurrent Neural networks.” CEUR Workshop Proceedings. Vol. 1922\. 2017. 4. Quadrana, Massimo, et al. “Personalizing session-based recommendations with hierarchical recurrent neural networks.” Proceedings of the Eleventh ACM Conference on Recommender Systems. ACM, 2017.