wide & Deep tensorflow实现

前言
　　最近读了下Google的两篇文章《Wide&Deep Learning》和《Deep&Cross Network》，趁着热乎比较下，顺道写个demo，免得后面用的时候瞎搞。 
　　前者是用来给用户推荐潜在喜欢的APP；后者是用来预测用户可能点击的广告排序。基于用户基本信息和行为日志来做个性化的推荐，是商业化的重要一步，做得好，用户使用起来甚是满意，广告商支付更多费用；做得差，大家只能喝喝西风，吃点咸菜。

Why Deep-Network ?
　　关于推荐，前面博文FTRL系列讲过，那是种基于基本特征和二维组合特征的线性推荐模型。其优点：模型简单明白，工程实现快捷，badcase调整方便。缺点也很明显：对更高维抽象特征无法表示，高维组合特征不全。而Deep-Network能够表达高维抽象特征，刚好可以弥补了线性模型这方面的缺点。

Why Cross-Network ?
　　组合特征，为什么止步于两维组合？多维组合，不单说手挑组合特征费时费力，假设特征都组合起来，特征的数量非得彪上天不可。但是Cross-Network(参考5)则可以很好地解决组合特征的数量飙升的问题。所以说，并不是问题真难以解决，只不过牛人还没有解它而已。 
结构比较 
　　啥都不如图明白，直接上图，左侧 Wide and Deep Network 右侧 Deep and Cross Network 

　　上面两个图清晰地表示了两种方法的框架结构。
特征输入
　　1）W&D的特征包括三方面： 
　　　　User-Feature：contry, language, demographics. 
　　　　Contextual-Feature：device, hour of the day, day of the week. 
　　　　Impression-Feature：app age, historical statistics of an app. 
　　1.1）Wide部分的输入特征： 
　　　　raw input features and transformed features [手挑的交叉特征]. 
　　　　notice: W&D这里的cross-product transformation： 
　　　　只在离散特征之间做组合，不管是文本策略型的，还是离散值的；没有连续值特征的啥事，至少在W&D的paper里面是这样使用的。 
　　1.2）Deep部分的输入特征： raw input+embeding处理 
　　　　对非连续值之外的特征做embedding处理，这里都是策略特征，就是乘以个embedding-matrix。在TensorFlow里面的接口是：tf.feature_column.embedding_column，默认trainable=True. 
　　　　对连续值特征的处理是：将其按照累积分布函数P(X≤x)，压缩至[0,1]内。 
　　　　notice: Wide部分用FTRL+L1来训练；Deep部分用AdaGrad来训练。 
　　Wide&Deep在TensorFlow里面的API接口为：tf.estimator.DNNLinearCombinedClassifier 
　　2）D&C的输入特征及处理： 
　　　　所有输入统一处理，不再区分是给Deep部分还是Cross部分。 
　　　　对高维的输入（一个特征有非常多的可能性），加embeding matrix，降低维度表示，dense维度估算：6∗(category−cardinality)1/46∗(category−cardinality)1/4。 
　　　　notice：W&D和D&C里的embedding不是语言模型中常说的Word2Vec（根据上下文学习词的低维表示），而是仅仅通过矩阵W，将离散化且非常稀疏的one-hot形式词，降低维度而已。参数矩阵的学习方法是正常的梯度下降。 
　　　　对连续值的，则用log做压缩转换。 
　　　　stack上述特征，分别做deep-network和Cross-network的输入。 
cross解释 
　　cross-network在引用5中有详细介绍，但是在D&C里面是修改之后的cross-network。 
xl=x0∗xTl−1∗wembedding+b+xl−1
xl=x0∗xl−1T∗wembedding+b+xl−1

　　单样本下大小为：x0=[d×1]x0=[d×1];xl=[d×1]xl=[d×1]; wembedding=[d×1]wembedding=[d×1];b=[d×1]b=[d×1]，注意 w是共享的，对这一层交叉特征而言，为啥共享呢，目测一方面为了节约空间，还一个可能原因是收敛困难（待定）。
tf实现D&C的注意事项
　　1）mult-hot的特征表示问题 
　　　　tf.feature_column.indicator_column来表示。 
　　　　注意，_IndicatorColumn不支持叠加_EmbeddingColumn操作。 
　　2）embedding问题 
　　　　tf.feature_column.embedding_column来表示，默认trainable=True 
　　　　特征间共享embed： tf.contrib.layers.shared_embedding_columns 
　　3）数据读入的问题 
　　　　dataset流解析函数要在input_fn内部。 
　　　　tf.cast 与 tf.string_to_number。 
　　4）tf.estimator.Estimator问题 
　　　　自定义的model_fn的参数params项，是显式地传递。 
　　　　注意，estimator本身带有异步更新的机制，SycOpt。 
　　5）cross-network的实现 
　　　　借助广播来计算。 
　　　　验证，tile是不影响原始参数梯度计算的。 
　　6）不定长特征的embedding 
　　　　tf.feature_column + estimator 
　　　　是不支持不定长特征的处理的，仅支持定长的。 
　　　　只能用tf.nn.embedding_lookup_sparse来处理不定长特征。 
　　　　对字符串离散不定长特征的示例代码附在后面。 
　　　　非用tf.feature_column处理不定长特征，会有报错 
　　　　convert Sparse Tensor to Tensor的维度错误，但是不知道内部哪里的错。

tf_debug
　　因为是用tf.estimator写的模型，无法使用print查看内部变量，调试就成了大问题。tf.estimator在设计的时候，考虑到了这种情况，将其设计为可接收外部定义的hook，支持tf_debug。详细代码见下面的mult.py。 
　　hook的样式，params[‘hooks’] = 
　　[tf_debug.LocalCLIDebugHook()]， 
　　然后传递到estimator内部，给train或者evaluate使用。 
　　用tf_debug查看内部变量，举个栗子，想看下 
　　tf.feature_column.embedding_column的combiner=sum是怎么个操作。 
　　某特征输入： 
　　1)State-gov|human 2)Self-emp-not-inc|human 3)State-gov|human 
　　为了方便，初始化embedding-matrix=ones. 

　　debug下运行，得到embedding-mat变量如下： 

　　对特征的处理结果：编码表示和index值（embedding输入侧的的索引值） 

　　发现embedding-vec如下： 

　　发现：其中的combiner=sum是依照index找到embedding-vec,然后对embedding_vec加和得到embedding结果的。自行替换成随机初始化的embedding-matrix，得到同样的验证结果。
github 源码
　　利用tf.feature_column + dataset + tf.estimator 实现Deep and Cross。 
　　数据集是census income dataset。 
　　D&C 测试 demo : https://github.com/jxyyjm/tensorflow_test/blob/master/src/deep_and_cross.py 
　　tf_debug 测试 demo : https://github.com/jxyyjm/tensorflow_test/blob/master/src/multi.py 
　　下面给出cross_计算在tf里面的多种实现，对tf.matmul /tf.tensordot的应用是核心，简洁高效是重要的。

#!/usr/bin/python
# -*- coding:utf-8 -*-
import tensorflow as tf
import sys 
reload(sys)
sys.setdefaultencoding('utf-8')

def cross_op(x0, x, w, b): 
  ## absolute the defination 计算速度最慢，低效 ##
  x0 = tf.expand_dims(x0, axis=2) # mxdx1
  x  = tf.expand_dims(x,  axis=2) # mxdx1
  multiple = w.get_shape().as_list()[0]
  x0_broad_horizon = tf.tile(x0, [1,1,multiple])   # mxdx1 -> mxdxd #
  x_broad_vertical = tf.transpose(tf.tile(x,  [1,1,multiple]), [0,2,1]) # mxdx1 -> mxdxd #
  w_broad_horizon  = tf.tile(w,  [1,multiple])     # dx1 -> dxd #
  mid_res = tf.multiply(tf.multiply(x0_broad_horizon, x_broad_vertical), tf.transpose(w_broad_horizon)) # mxdxd # here use broadcast compute # 
  res = tf.reduce_sum(mid_res, axis=2) # mxd #
  res = res + tf.transpose(b) # mxd + 1xd # here also use broadcast compute #a
  return res 
def cross_op2(x0, x, w, b): 
  ## 充分利用了广播计算 来实现cross，也很低效 ##
  x0 = tf.expand_dims(x0, axis=2) # mxdx1
  x  = tf.expand_dims(x,  axis=2) # mxdx1
  dot = tf.matmul(x0, tf.transpose(x, [0, 2, 1]))
  mid_res = tf.multiply(dot, tf.transpose(w))
  res = tf.reduce_sum(mid_res, axis=2) + tf.transpose(b) # mxd  + 1xd # here also use broadcast compute #
  return res 
def cross_op_single_data(x0, x, w, b):
  ## 最简洁的cross_实现方法，单条样本 ##
  ## all para size is [d, 1] ##
  dot = tf.matmul(x0, tf.transpose(x)) # dxd
  cros= tf.tensordot(dot, w, [[1], [0]]) + b ## dot的某行 dot  w的某列 ##
  return cros
def cross_op_batch_data(x0, x, w, b):
  ## x0 and x size is [batch, d]，与后面的方法一致，计算高效 ##
  ## w  and b size is [d, 1]
  x0 = tf.expand_dims(x0, 2) # [batch, d, 1]
  x  = tf.expand_dims(x,  2) # [batch, d, 1]
  dot= tf.matmul(x0, tf.transpose(x, [0, 2, 1])) # [batch, d, d] = batch x {[dx1]x[1xd]
  #cros = tf.tensordot(dot, w, [[1], [0]) + b # [batch, d, 1] this is wrong
  cros = tf.tensordot(dot, w, 1) + b ## 这种写法来源与maxnet ## 很奇妙 ##
  return tf.squeeze(cros, 2)
def cross_op_None_batch(x0, x, w, b):
  ## x0 and x size is [None, d] ## 借助了keras.backend.batch_dot ##
  ## w  and b size is [d, 1]
  x0 = tf.expand_dims(x0, 2) # [batch, d, 1]
  x  = tf.expand_dims(x,  2) # [batch, d, 1]
  dot= tf.contrib.keras.backend.batch_dot(x0, tf.transpose(x, [0,2,1]), [2, 1])
  #cros = tf.tensordot(dot, w, [[1], [0]]) + b # this is wrong 
  cros = tf.tensordot(dot, w, 1) + b
  return tf.squeeze(cros, 2)

Reference
《2016-Wide & Deep Learning for Recommender Systems》
《2017-Deep & Cross Network for Ad Click Predictions》
https://research.googleblog.com/2016/06/wide-deep-learning-better-together-with.html (google research blog)
https://github.com/tensorflow/models/tree/master/official/wide_deep (wide&deep github code)
《2016-Deep Crossing: Web-Scale Modeling without Manually Crafted Combinatorial Features》 
附：tf.nn.embedding_lookup_sparse如何处理不定长的字符串的embedding问题。
输入数据如下：
csv = [
  "1,oscars|brad-pitt|awards",
  "2,oscars|film|reviews",
  "3,matt-damon|bourne",
]
第二列是不定长的特征。处理如下：

import tensorflow as tf

# Purposefully omitting "bourne" to demonstrate OOV mappings.
TAG_SET = ["oscars", "brad-pitt", "awards", "film", "reviews", "matt-damon"]
NUM_OOV = 1

def sparse_from_csv(csv):
  ids, post_tags_str = tf.decode_csv(csv, [[-1], [""]])
  table = tf.contrib.lookup.index_table_from_tensor(
      mapping=TAG_SET, num_oov_buckets=NUM_OOV, default_value=-1) ## 这里构造了个查找表 ##
  split_tags = tf.string_split(post_tags_str, "|")
  return ids, tf.SparseTensor(
      indices=split_tags.indices,
      values=table.lookup(split_tags.values), ## 这里给出了不同值通过表查到的index ##
      dense_shape=split_tags.dense_shape)

# Optionally create an embedding for this.
TAG_EMBEDDING_DIM = 3

ids, tags = sparse_from_csv(csv)

embedding_params = tf.Variable(tf.truncated_normal([len(TAG_SET) + NUM_OOV, TAG_EMBEDDING_DIM]))
embedded_tags = tf.nn.embedding_lookup_sparse(embedding_params, sp_ids=tags, sp_weights=None)

# Test it out
with tf.Session() as s:
  s.run([tf.global_variables_initializer(), tf.tables_initializer()])
  print(s.run([ids, embedded_tags]))

1） 这样就可以处理非定长的特征了，坏处是无法纳入到tf.feature_column + tf.estimator模型框架里，模型输入和整体结构都暴露在外面，丑~ 
2）改写成共享embedding也非常容易。 
据说最新的tf 1.5里新增 Add support for sparse multidimensional feature columns.【鼓掌】抽空看看