推荐系统遇上深度学习(四十)-SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS

好啦，是时候继续我们推荐系统的学习了，从本篇开始，我们来一起了解一下Session-Based Recommendation。今天，我们介绍的文章题目为《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》，通过循环神经网络来进行会话推荐。论文下载地址为：http://arxiv.org/abs/1511.06939。

另外，本文代码的地址为：https://github.com/princewen/tensorflow_practice/tree/master/recommendation/Basic-SessionBasedRNN-Demo

参考的Python2版本代码地址为：https://github.com/Songweiping/GRU4Rec_TensorFlow

先来理解一下Session-Based Recommendation的定义。它的中文翻译是基于会话的推荐，我们可以理解为从进入一个app直到退出这一过程中，根据你的行为变化所发生的推荐；也可以理解为根据你较短时间内的行为序列发生的推荐，这时session不一定是从进入app到离开，比如airbnb的论文中，只要前后两次的点击不超过30min，都算做同一个session。

1、模型介绍

1.1 背景介绍

在本文出现之前（2016年），基于会话的推荐方法，主要有基于物品的协同过滤和基于马尔可夫决策过程的方法。

基于物品的协同过滤，需要维护一张物品的相似度矩阵，当用户在一个session中点击了某一个物品时，基于相似度矩阵得到相似的物品推荐给用户。这种方法简单有效，并被广泛应用，但是这种方法只把用户上一次的点击考虑进去，而没有把前面多次的点击都考虑进去（论文里这么说，不过我认为可以按比例混合多次点击的推荐结果吧）。

基于马尔可夫决策过程的推荐方法，也就是强化学习方法，其主要学习的是状态转移概率，即点击了物品A之后，下一次点击的物品是B的概率，并基于这个状态转移概率进行推荐。这样的缺陷主要是随着物品的增加，建模所有的可能的点击序列是十分困难的（可能论文年代比较久远，现在的话我们应该可以使用DQN等方法了）。

1.2 基于RNN的会话推荐

回到正题，文中提出使用基于RNN的方法来进行基于会话的推荐，其结构图如下：

模型的结构很简单，对于一个Session中的点击序列x=[x₁,x₂,x₃...x_r-1,x_r]，依次将x₁、x₂,...,x_r-1输入到模型中，预测下一个被点击的是哪一个Item。

首先，序列中的每一个物品x_t被转换为one-hot，随后转换成其对应的embedding，经过N层GRU单元后，经过一个全联接层得到下一次每个物品被点击的概率。

值得一提的是，在我参考的代码中，每个物品其实对应了两套embedding，一个是输入层对应的输入embedding，一个是最后计算物品点击概率的embedding，我们可以记为softmax embedding。输入物品x_t的输入embedding在经过多层的GRU单元之后，得到了一个输出向量，我们记为w₁，对于物品y_t，其对应的softmax embedding记为w₂,那么点击y_t（未softmax之前）的概率，由w₁和w₂的点乘得到。这里有点attention的味道了，具体大家可以参考给出的代码。

1.3 模型的小trick

为了提高训练的效率，文章采用两种策略来加快简化训练代价，分别为：

Session-parallel MINI-BATCHES
为了更好的并行计算，论文采用了 mini-batch 的处理，即把不同的session拼接起来，其示意图如下所示：

可以看到，Session1的长度为4，Session2的长度为2，Session3的长度为6，Session4的长度为2，Session5的长度为3。假设Batch-Size为3，那么我们首先用前三个Session进行训练，不过当训练到第三个物品时，Session2已经结束了，那么我们便将Session4来接替上，不过这里要注意将GRU中的状态重新初化。

Sampling On the output
物品数量如果过多的话，模型输出的维度过多，计算量会十分庞大，因此在实践中一般采取负采样的方法。论文采用了取巧的方法来减少采样需要的计算量，即选取了同一个batch 中其他 sequence 下一个点击的 item作为负样本，用这些正负样本来训练整个神经网络。

还是如上图所示，当输入是i_1,1时，其对应的正样本为i_1,2，那么对应的负样本就是i_2,2,i_3,2。

1.4 Rank Loss

这里，论文提出了两种pair-wise的损失函数，分别为BPR和TOP1。

BPR
BPR损失，对比了正样本和每个负样本的点击概率值，其计算公式如下：

其中，i代表的是正样本，j代表的是负样本，若正样本的点击概率大于负样本的点击概率，这样损失会比较小，若正样本的点击概率小于负样本，损失会比较大。

TOP1
第二个损失函数感觉和第一个损失函数差不多，只不过对负样本的点击概率增加了正则项，同时sigmoid之后没有再取log：

1.5 实验结果

文中将提出的模型与按热度推荐、基于会话的热度推荐、基于物品的协同过滤、BPR-MF等模型进行了对比数据，所选取的两个数据集分别为RecSys Challenge 2015的数据集和Youtube-like OTT video的数据集。评价指标选取了Recall@20和MRR@20，实验结果如下：

随后，在不同数据集上，使用不同损失函数训练模型，评价指标的对比结果为：

可以看到，使用文中提出的两种Rank Loss相较于使用point-wise的交叉熵损失函数，模型的推荐效果有了较大的提升。

1.6 关于损失函数的讨论

好了，最后我们来讨论一下我阅读本文时最为疑虑的地方吧，为什么使用pair-wise的损失函数，要比point-wise的损失函数更好呢？这主要还是看场景吧。比如在电商领域、外卖点餐的时候，我们可能很多东西都喜欢，但是只会挑选一个最喜欢的物品进行点击或者购买。这种情况下并不是一个非黑即白的classification问题，只是说相对于某个物品，我们更喜欢另一个物品，这时候更多的是体现用户对于不同物品的一个相对偏好关系，此时使用pair-wise的损失函数效果可能会好一点。在广告领域，一般情况下用户只会展示一个广告，用户点击了就是点击了，没点击就是没点击，我们可以把它当作非黑即白的classification问题，使用point-wise的损失函数就可以了。

不过还是要提一点，相对于使用point-wise的损失函数，使用pair-wise的损失函数，我们需要采集更多的数据，如果在数据量不是十分充足的情况下，point-wise的损失函数也许是更合适的选择。

以上仅仅是我个人的观点，咱们可以一起讨论，进步！