论文笔记Self-Attentive Sequential Recommendation

论文信息

Wang-Cheng Kang and Julian McAuley. 2018.
Self-Attentive Sequential Recommendation
原文下载：https://arxiv.org/pdf/1808.09781.pdf

Abstract

顺序动态（Sequential dynamics）在很多推荐系统中都是一个关键的特征。顺序动态就是基于用户最近的行为去捕捉用户活动的上下文。为了捕捉这种模式，有两类方法的应用比较广泛，即Markov Chains和Recurrent Neural Networks。马尔科夫链（Markov Chains）假设，用户的下一个动作可以仅基于其上一个（或最后几个）动作来预测，而RNN原则上可以揭示较长期的语义。 一般而言，基于MC的方法在极度稀疏的数据集（模型简约性至关重要）中表现最佳，而RNN在密度更大的数据集（模型的复杂性可承受）中表现更好。我们的目标是不仅要像RNN那样捕捉到长期的语义信息还要像MC那样基于尽可能少的行为进行预测。因此，我们提出了一个基于self-attention的序列模型（SASRec）。

Introduction

序列推荐的目标是将用户行为的个性化模型（基于历史活动），与基于用户最近行文的“上下文”的一些概念相结合。但因为输入空间的维数随着（作为上下文的）用户过去的行为的数量指数增长，因此从序列动态sequential dynamic中捕捉有用的模式是比较困难的。因此，目前，序列推荐主要关注如何简洁地捕捉这些高阶动态（high-order dynamics）信息.

马尔可夫链是一类经典的方法，它假设用户的下一个行为仅依赖于前一个（或一些）行为，在短范围物品过渡的特征刻画方面应用很成功。另一类工作就是使用recurrent neural networks通过隐藏状态总结过去所有的行为，从而进行下一个行为预测。但是它们都有自己的缺陷，基于MC 的方法，只在高稀疏的设置下表现很好，但在捕捉复杂的dynamics或这应用场景比较复杂时表现就不尽人意了，而RNNs,则需要大量的数据。

受到transformer中的self-attention机制的启发，本篇工作打算将self-attention机制应用到SR中，以期解决上面提到的问题。也就是说，不仅要像RNN那样捕捉到长期的语义信息还要像MC那样基于尽可能少的行为进行预测。因此提出了一个模型叫SASRec，这个模型可以在每个时间步自适应地为之前的物品赋予权重。

Methodology

定义用户行为序列为
S^u =(S_u,1,S_u,2,…,S_u,|S^u|, 在时间步t，模型的下一个item取决于之前的t个item，模型的输入可以视为(S_u,1,S_u,2,…,S_u,|S^u|-1)， 期望输出是(S_u,2,S_u,3,…,S_u,|S^u|)

1、 Embedding layer
将训练序列(S_u,1,S_u,2,…,S_u,|S^u|-1)转为固定长度序列s=(s1,s2,…,sn)。如果序列长度超过n，则用最近的n个行为。如果不足，从左补足直到长度为n。
因为self-attention并不包含RNN或CNN模块，因此它不能感知到之前item位置。本文给输入Embedding插入可学习的位置Embedding P∈R（n×d）：

本文也试了transformer中固定的位置Embedding，不过效果更糟。
2 、 Self-Attention Block
Transformer中的缩放点积attention定义如下：

Self-attention层以embedding E作为输入，通过线性投影转为3个矩阵，然 输入attention层

为了避免穿越问题，需要禁止Qi和Kj(j>i)之间的所有连接。
尽管self-attention能够用自适应权重聚集之前所有item的embedding，最终它仍然是个线性模型。为了增加非线性同时考虑不同隐式维度之间的交互，用了一个两层的point-wise前馈网络：
3、 Stacking Self-Attention blocks
堆叠公式如下：

然而随着网络的加深也出现几个问题：（1）模型容量的增加导致过拟合；（2）由于梯度消失训练过程变得不稳定；（3）更多的参数需要更长的训练时间受Transformer启发，用了LayerNorm，Dropout，残差连接：

其中g表示self-attention层或前馈网络。LayerNorm公式如下：
4、 Prediction layer
采用MF层来预测相关的item i：

其中r_i,t是给定个前t个items，下一个item i的相关性。N∈R^(|I|×d)是一个item embedding矩阵。为了减少模型大小及避免过拟合，共享item embedding M.即

显式用户建模
为了提供个性化推荐，当前主要有两种方法：（1）学习显式的用户embedding表示用户偏好(MF，FPMC，Caser)（2）考虑用户之前的行为，通过访问过的item的embedding推 隐式的用户embedding
本文采用第二种方式，同时额外在最后一层插入显式用户embedding，例如通过加法实现。但是通过实验发现增加显式用户embedding并没有提升效果。