推荐系统实践(4)---CVAE

VAE(Variational Auto-Encoder)(2014)

关于VAE的介绍，建议去看苏建林的VAE讲解，写的非常好，看完第一篇基本就可以理解VAE的原理了。如果有时间可以阅读剩下两篇的深入分析。建议多读几遍，方便你形成一个清晰的VAE认识。

苏剑林. (2018, Mar 18). 《变分自编码器（一）：原来是这么一回事 》[Blog post]. Retrieved from https://www.spaces.ac.cn/archives/5253
苏剑林. (2018, Mar 28). 《变分自编码器（二）：从贝叶斯观点出发 》[Blog post]. Retrieved from https://kexue.fm/archives/5343
苏剑林. (2018, Apr 03). 《变分自编码器（三）：这样做为什么能成？》[Blog post]. Retrieved from https://kexue.fm/archives/5383

简单来说，变分自编码器(VAE)是一种主要用于数据生成的自编码器的变体。当作为生成模型时，首先利用数据训练变分自编码器，然后只使用变分自编码器的解码部分，自动生成与训练数据类似的输出。

VAE假设后验分布。给定一个真实的样本，假设存在专属于的分布，我们用两个神经网络，去寻找专属于的后验分布的均值和方差。（选择拟合是因为总是非负的，用网络拟合一个非负值需要加激活函数，而可正可负。）

因为，从这个专属的分布中采样一个出来，经过生成器得到，最小化即为网络的目标。

但最小化的拟合过程会使得方差尽可能接近0，使得随机性下降，退化为普通的AutoEncoder，这样VAE特有的生成模型就不存在了。因此，VAE让尽可能去看齐，防止了噪声（方差）为0，保证了模型的生成能力。根据
得到了，即可以放心的从N(0,I)中采样去生成图像了。只使用变分自编码器的解码部分，自动生成与训练数据类似的输出。

VAE

如何让所有的都向看齐呢？使用KL散度：

其中，d 为隐向量的维度。

相对熵又称KL散度，如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x)，我们可以使用 KL 散度（Kullback-Leibler (KL) divergence）来衡量这两个分布的差异。

VAE的优点总结：

• 在传统自编码器的隐层表达上增加一个对隐变量的约束,提出了一种将概率模型和神经网络结构结合的方法
• 使编码器产生的隐层表达满足正态分布,能够更好的生成和输入近似的数据

---

CVAE(Collaborative Variational AutoEncoder)(2017)

论文：Collaborative Variational Autoencoder for Recommender Systems
，KDD，2017

CVAE的核心思想是：CVAE = PMF + VAE（与CTR/CDL类似的耦合结构）
如果仔细阅读过《推荐系统实践(3)---CDL》中介绍的CDL的paper，你会发现CVAE的通篇描述以及文章结构甚至都和CDL很像，Loss构成相近，参数的迭代更新方式也是一样的。CVAE结构如图所示。

CVAE

原理介绍

与PMF相同，作者定义向量分布如下：
User 隐向量：
Item 协同信息隐向量：
VAE部分：VAE网络用于从 item 的内容信息中提取隐向量。这里需要重点说明一下，作者在文章中将item 内容信息隐向量定义为，有，其中是由 VAE的 encoder 网络生成。实际上，，如下图所示，中间态的是由一个标准正态分布重参数获得的，因而是服从正态分布的重采样，用于docoder中生成数据，不能表示 item 的内容信息隐向量。

重参数

看了作者的代码实现，在实验中，作者的 encoder 网络生成的 item 内容信息隐向量应该是，这验证了我的想法。
item 隐向量： 作者表示为，但我觉得表示为更为合适，下文沿用这种写法。
Prediction：

损失函数

其中 CEloss 是item的内容信息 encoder前 和 docoder后 的差值，类似于交叉熵的计算形式。

迭代形式

作者与CTR/CDL相同，采用 EM算法。
Expectation：固定，利用VAE网络的bp更新(即)
Maximization：固定，利用块坐标下降法更新
值得一提的是，在实现时，作者并没有使用的形式，而是使用，并希望去逼近其内容向量。

改进之处

1.CVAE直接对标的模型就是CDL，作者这样描述CDL的问题：

denoising autoencoders(DAEs) have in fact no Bayesian nature and the denoising scheme of the DAEs is in fact not from a probabilistic perspective but rether frequentist perspective.

即CDL的降噪方案不是来自概率分布而是频率分布，因此很难进行贝叶斯推理。并且噪声添加方式需要考虑内容信息的形式，例如文本内容的加噪方案可能不是图像内容的良好加噪方案。
2.作者使用 逐层预训练 的VAE模型来有效表示内容信息的隐向量，这一点是非常值得学习的，好的预训练，会让实验结果差非常多。

代码实现

用pytorch实现了CVAE，并用citeulike-a数据集做了实验。
https://github.com/weberrr/recsys_model

主要说一下实现中的model.fit()函数：

    def fit(self, train_users, test_users, train_items, item_side_info):
        side_input = self.initialize(train_users, train_items, item_side_info)
        for epoch in range(self.max_epoch):
            loss, side_latent = self.e_step(side_input)
            self.V[:] = side_latent.clone().detach().numpy()
            recall = self.m_step(train_users, train_items, test_users)
            print("Epoch:{}, Loss:{}, Recall:{}".format(epoch, loss, recall))

e_step中固定U,V，更新V_theta
m_step中固定V_theta，更新U,V

实验结果截图

我的VAE逐层预训练做的比较潦草，效果比作者的低约0.02左右