推荐系统（一）LR，FM，FFM，Wide&Deep，DeepFM，ESMM

一、LR

（一）简单总结

• 是广义线性模型，每个特征都是独立的，如果需要考虑特征与特征之间的相互作用，需要人工对特征进行交叉组合。
• 非线性SVM可以对特征进行核变换，但是在特征高度稀疏的情况下，并不能很好的进行学习。

（二）FTRL

---

二、FM

Rendle S. Factorization Machines[C]// IEEE International Conference on Data Mining. 2011.

（一）简单背景介绍

• 解决数据稀疏的情况下，特征怎样组合的问题。
• 对于一阶参数的训练，只要这个样本中对应的变量不为0，而二阶的参数必须两个变量同时不为0才可以。在数据稀疏时，很多特征交互是模型无法训练的。
• LR是需要特征工程的，SVM在稀疏场景下无法用。
• 通过参数矩阵分解，打破了特征组合之间的独立性，使一个组合特征的学习可以受到其他相关组合特征的帮助。
• 原本预测公式的复杂度：O(kn2)，可以通过转换变为 O(kn)。

（二）公式推导

预测公式

O(kn2)变O(kn)

随机梯度下降，O(kn)

---

三、FFM

2016年发表在 recsys 上的论文

（一）简单介绍

• FM：一个特征对应一个隐变量；FFM：将特征分为多个field，每个特征对每个field分别有一个隐变量，因为同一个特征对不同field的影响可能是不同的，隐变量也应该不同。
• 举个例子，我们的样本有3种类型的字段：publisher, advertiser, gender。其中publisher有5种，advertiser有10种，gender有2种，one-hot编码后，每个样本有17个特征，其中只有3个非空。
  FM，17个特征，每个特征对应1个隐变量。
  FFM，17个特征，每个特征对应3个隐变量。

（二）模型介绍

• 表达式

• AdaGrad求解

---

四、Wide & Deep

2016年谷歌团队发表的一篇文章
Cheng H T , Koc L , Harmsen J , et al. Wide & Deep Learning for Recommender Systems[J]. 2016.

（一）wide 和 deep 的比较

• wide：广泛应用于具有稀疏、大规模场景。组合特征有效且可解释性强，但需要很多特征工程，且对于未出现过的组合无法学习。
• deep：需要较少的特征工程，泛化能力强，可以通过稀疏特征 embedding 学习到未出现过的特征组合。但容易过泛化，推荐不太相关的东西。
• wide & deep：记忆和泛化的结合。

（二）memorization 和 generalization（EE问题）

• memorization：exploit，学习频繁出现的特征组合，从历史数据中学习相关性。容易推荐和用户浏览历史相似的东西。
• generalization：explore，基于相关性的传递，学习未出现过的特征组合。容易推荐不一样的，新的东西。

（三）模型结构

The spectrum of Wide & Deep models

Wide & Deep model structure for apps recommendation

（四）其他

• 模型训练：
  wide：FTRL
  deep：AdaGrad

---

• 预测公式

---

五、DeepFM

华为2017年的文章
Guo H, Tang R, Ye Y, et al. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction[J]. 2017.

（一）优势

• 是端对端的学习模型，wide 部分和 deep 部分共享一样的输入，不需要额外的特征工程，能够同时学习到低阶和高阶的特征交互。
• 线性模型虽然十分有效，但是无法刻画交互特征，需要很多特征工程，缺点是无法刻画高阶特征交互，也无法学习到在训练集中出现次数很少的特征组合。FM可以学习到2阶的特征组合。

（二）特征

• 连续特征：值本身，或者离散化后one-hot
• 离散特征：one-hot
• CTR预估场景中，特征的特点：
  1）稀疏
  2）连续特征和类别特征混合
  3）根据field分组
  因此加入了embedding层

（三）模型介绍

• 预测分为两部分

  
  
  预测公式
  
  

• FM：能更有效的学习到2阶交互特征，尤其是在稀疏场景下

  
  
  FM Component
  
  
  FM公式

• Deep：

  
  
  Deep Component

• embedding

  
  
  The structure of the embedding layer
  
  

  1）每个 field 的input大小不一样，但是embedding都一样大;
  2）在FM中V是一个m*k阶的矩阵，这里用V来作为input到embedding的权重，一起训练，而不是像其他work一样用FM来预训练。

（四）共享embedding

• 从原始特征中同时学到了特征之间的低阶和高阶组合
• 不需要像 wide & deep 一样做特征工程，端到端学习

---

六、ESMM

ESMM是2018年阿里妈妈团队提出的一个多任务模型。
Ma X , Zhao L , Huang G , et al. Entire Space Multi-Task Model: An Effective Approach for Estimating Post-Click Conversion Rate[J]. 2018.

（一）传统CVR预估面临的两个问题

• SSB（sample selection bias ）

  impression表示展示，click表示点击，conversion表示转化，用户的行为模式是impression->click->conversion，传统的CVR预估把click（如图灰色）作为training data，而训练出来的模型要在所有impression（如图白色）中进行预测，存在样本选择偏差。

• DS（data sparsity）
  由于点击行为实在是太少了，利用点击数据作为样本训练CVR预估模型存在数据稀疏问题。

（二）本文怎么解决

• Modeling over entire space（解决SSB）
  CVR：conversion / click
  CTR：click / impression
  CTCVR：conversion / impression
  

  通过预测CTCVR和CTR，然后相除得到CVR，由于CTCVR和CTR都是在整个impression样本空间进行估计的，因此解决了SSB问题。
• （Feature representation transfer）解决DS
  CVR和CTR共享特征embedding表示，CTR训练数据要比CVR训练数据多很多，一定程度上解决了数据稀疏性问题。

（三）技术细节

Modeling over entire space

模型引入两个辅助任务，pCTR和pCTCVR，从而间接学习到pCVR

• CTR：有点击行为的曝光为正样本，没有点击行为发生的曝光为负样本
  CTCVR：同时点击和购买的曝光为正样本，否则标记为负样本。
  CTR和CTCVR都是在整个样本空间的，解决了SSB问题。

• 损失函数由两部分组成， CTR 和 CTCVR，两部分都采用交叉熵损失函数。

Feature representation transfer

• ESMM中，CVR网络和CTR网络共享embedding字典。该共享机制使ESMM中的CVR网络能够从 un-clicked impression 中学习，缓解数据稀疏性问题。

• 另外，ESMM模型中的子网络结构可以用其他模型替换，ESMM只是提供了一种解决问题的思路，具体应用还需要根据实际业务场景进行调整。

---

七、DSSM

---

参考资料

ESSM论文地址
精读&解析 Entire Space Multi-Task Model（ESMM） 阿里2018年CVR预测
推荐系统遇上深度学习(三)--DeepFM模型理论和实践