推荐系统遇上深度学习(五十九)-FM家族的新朋友FAT-DeepFFM

关注小编的公众号，后台回复“进群”，一起来交流学习吧！

今天给大家介绍的文章标题是：《FAT-DeepFFM: Field Attentive Deep Field-aware Factorization Machine》
文章下载地址是：https://arxiv.org/abs/1905.06336

从本系列的第一篇开始，咱们已经陆续介绍过FM模型、FFM模型、DeepFM模型、NFM模型和AFM模型。今天给大家介绍的是FM家族中的另一个新朋友FAT-DeepFFM（全称是Field Attentive Deep Field- aware Factorization Machine），是由新浪微博的张俊林老师提出的哟，一起来学习下。

1、背景

点击率预估是计算广告以及推荐系统中非常重要的工作，学者们也提出了许多有效的模型来做CTR预估任务。如LR、树模型、贝叶斯模型、FM模型、FFM模型，以及深度学习模型如DeepFM、Wide & Deep模型等等。

同时，CTR模型中也经常借鉴其他领域的一些常用方法，如计算机视觉和自然语言处理中常用的方法，最为常见的是Attention机制。使用Attention机制可以从众多的特征中选择出比较重要的特征，并过滤掉一些无关特征。将注意力机制和深度学习CTR预估模型相结合，如AFM模型已经被学者们提出，AFM模型结构如下：

可以看到，上面的AFM模型，是在特征进行交叉之后，再对交叉特征进行权重计算，但本文认为，在特征进行交叉之前，对特征的重要性进行一个计算也十分重要。当特征为n个时，交叉后计算重要性的权重个数为n的平方，但是交叉前计算特征重要性的话，只需要计算n个权重。这么做的话在特征比较多的时候，对计算资源的节省是十分明显的。

好了，接下来，咱们就一步步来看看俊林老师提出的模型吧。

2、DeepFFM模型

在介绍FAT-DeepFFM之前，先介绍DeepFFM模型长什么样子，因为这个模型对大家来说应该也相当陌生。

2.1 FM模型

FM模型对每一个特征赋予一个k维的向量，并通过对应向量的内积来当作特征交叉的权重，其预估公式如下：

2.2 FFM模型

相较于FM模型，FFM模型提出了Field的概念，假设有n个域的话，每一个特征都对应了n-1个k维的向量，其预估公式如下：

2.3 DeepFFM模型

FM和深度神经网络相结合，我们已经有了DeepFM模型，很自然的，FFM和深度神经网络相结合，就有了DeepFFM模型，其模型结构如下图所示：

如图所示，我们的特征首先被转换成一堆one-hot encoding，每一个one-hot encoding可以看作一个field，如性别、周几等等。

还是想说一下本文的特征和field定义，比如有两个域，性别和周几，那么特征数量是2+7=9，当然你也可以认为是3 + 8=11，两个域各加一个未知选项嘛。

接下来在Embedding matrix layer，每一个特征将会得到一个对应的Embedding Matrix，简称EM，如对于第I个特征：

假设有n个域，每个特征对应的EM的大小为k * n，整个EM层的大小为k * n * n （这里每个特征对应n个k维向量，而非n-1个，但实际参与计算和更新的只有n-1个）。

接下来，有两种方式得到DNN部分的输入，分别是计算内积和哈达玛积：

哈达玛积的计算公式如下（文中这里感觉写错了，圆圈中间应该是乘号而非加号）：

可以看到，如果使用内积的话，输入DNN的维度是n(n-1)/2的，如果使用哈达玛积的话，输入DNN的维度应该是kn(n-1)/2。随后经过多层神经网络：

而最终DeepFFM的输出为：

至此DeepFFM就介绍完了，和DeepFM有点不一样，DeepFM保留了FM中的一次项、二次项（特征交叉项），但DeepFFM中，只计算了一次项，二次项没有保留，也许是出于计算时间的考虑吧。

3、FAT-DeepFFM模型

好了，接下来介绍FAT-DeepFFM模型，与大多数模型借鉴的自然语言处理中的注意力机制不同，这里引入的注意力机制来源于图像领域的SENet，一起来看一下。

FAT-DeepFFM模型的整体的结构如下：

而注意力机制发挥作用的部分是：

论文中提出的Attention机制称为CENet Field Attention，全称为Compose-Excitation network (CENet) attention mechanism。接下来，咱们就来一步步解读这个Attention过程。

3.1 CENet Field Attention

这里Attention的过程分为两个阶段，分别称作Compose阶段和Excitation阶段。

Compose阶段

在Compose阶段，需要把每一个向量压缩成一维的值，每一个特征对应的Embedding Matrix是k * n，压缩之后变为一个n维的向量，如下图所示：

假设当前是第i个特征，对应的特征矩阵是EM_i，EM_i中的列向量分别是v_i1,v_i2，...,v_in其压缩后对应的向量是z_i。

对于SENet来说，直接对每一列使用max pooling来得到值，具体的，对于z_i中的第f个值，通过下面的式子得到：

在本文中，对这种方式进行了一定的修改，使用1维卷积：

这里的卷积核是1 * 1的。有关1维卷积以及1*1卷积核，这里我一开始理解有误，认为论文里写的是错误的，不过经指正这里应该是没错的，感兴趣的小伙伴可以看下1维卷积、1*1卷积以及1*1卷积和全连接的区别。待我总结归来，一定将经验分享给大家。

Excitation阶段

经过Compose阶段，每个特征对应的Embedding Matrix，都得到了一个对应的n维压缩向量，例如特征i对应的n维压缩向量计作DV_i，那么在Excitation阶段，我们首先对DV进行横向拼接：

这里D是n * n维的向量，接下来将D输入到两层全连接网络中：

从上图可以看出，经过全连接网络之后输出的S仍然是n * n维的向量，S便是我们想要得到的attention score。

利用attention score就可以对我们Embedding Matrix进行加权了，例如第i个特征：

到了这一步，剩下的就跟DeepFFM里面所讲的一致啦，这里就不细讲啦。

4、实验及总结

论文在两个数据集上进行了实验，结果如下：

可以发现，FAT-DeepFFM的效果好于其他对比模型，同时，使用哈达玛积的时候效果会比使用内积效果更好。

这篇论文应该放出来有一段时间了，俊林老师也在知乎上介绍了这个思路，今天看了一下其主要创新点还是在于attention的计算吧，借鉴了图像领域的思路，还是值得尝试一下的。