推荐系统-召回阶段-EGES模型【Enhanced Graph Embedding with Side Information】

红太狼 2023-09-25 15:02 84阅读 0赞

EGES算法实在论文《Billion-[scale][] Commodity Embedding for E-commerce Recommendation in Alibaba》，主要用于商品推荐中。这篇论文的一作是阿里巴巴团队的，实验部分说该算法应用在了淘宝中。本人最近刚入职某公司，从事推荐算法的工作，因此后续会分享一下推荐相关的算法或者心得。

#### **一、研究动机** ####

1. 扩展性。现有的大部分推荐系统可以运用在一百万的用户和商品中，但无法运用在拥有十亿的用户和二十亿商品的淘宝中。

2. 稀疏性。用户往往只和少量的商品交互，因此很难去训练一个精确的推荐模型。

3. 冷启动。淘宝上每小时会有百万级的新商品被上传。由于这些商品没有用户行为的信息（点击、购买等），因此很难预测用户对这些商品的喜爱程度。

作者设计了一个两阶段的推荐框架：**匹配（或召回）和排序**。这也是一般推荐模型的框架。作者在这篇文件主要是解决了匹配阶段的问题，通过用户行为计算商品间两两的相似性。相似性topK的商品输入到排序阶段。接下来是算法流程。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70][]

图1

#### 二、通过用户行为构建Item图 ####

统一将商品称为Item。用户的点击行为往往是序列化的，比如图1（a）中的用户U1，我们经常点击商品D后，再浏览之后点击A ，再点击B。因此我们将用户的历史行为数据作为一个序列数据。由于时间和空间的复杂度以及用户兴趣的变化，作者选择了一个小时内用户的行为，该行为被称为session。（疑问：作者选择了最近一小时的用户行为数据？还是选择最佳某个时间段的数据，然后按一小时划分？）

获得了用户的session数据后，我们构建有向图了（是否可以构建无向图看看结果？）。如果两个item是在序列中连续出现的，前面的item会连接到后面的item，例子见图1（b）。构建的有向图是有权的，权重等于在序列数据中出现次数。在抽取数据时，作者也过滤了一些无效或者异常的数据：停留时长小于一秒；过于活跃的用于；相同ID但不同的商品。

#### 三、Base Graph Embedding(BSE) ####

构建完了加权有向图后，接下来而已使用**DeepWalk**产生Item的嵌入向量了。大家可以去阅读一下DeeWalk的原论文，这里大概讲一下方法。1）计算每个节点跳到每个邻居的概率，也对边归一化，然后通过随机游走产生多个节点序列；2）使用skip-gram方法最大化中心节点对文本节点（w窗后内）的相似度**（参考word2vec方法）**：

![2021071117045554.png][]

为了计算方便，论文采用了负采样的方法：

![20210711172011845.png][]

节点j时正样本，节点t是负样本。

#### **四、Graph Embedding with Side Information(GES)** ####

为了解决冷启动问题，作者加入了商品的附属信息，比如商标、类别等。让W表示节点潜入矩阵，![w^0][w_0]是节点自身的嵌入向量，![w^s][w_s]是第s类附属信息的嵌入向量。最终节点的向量为自身向量和所有附属信息向量的平均，所有的嵌入向量都有相同的维度。

![20210711180851160.png][]

#### 五、Enhanced Graph Embedding with Side Information (EGES) ####

GES的问题是平均聚合了所有向量，忽略了不同类别的属性为节点的影响。作者提出了一种加权聚合附属属性的方法，示例图如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 1][]

图2

SI0表示每个Item，SI1...SIn表示每个类别的附属信息。稀疏特征通常为one-hot特征，因此模型首先对每一个类别学习一个密集向量，用W表示。模型还会学习一个权重矩阵![A\\in R^\{|V| \* (n+1)\}][A_in R_V_ _ _n_1]，｜V｜表示Item个数。每个Item都有一个不同的类别权重分布。

![20210711201530198.png][]

最终Item的嵌入向量H通过上面公式加权聚合得到。上面的归一化实际上是用了一种softmax归一化，可以保证每种类别的权重大于0。损失函数定义如下：

![20210711201837639.png][]

y是标签符号，等于1表示正样本，0表示负样本。v是中心节点，u是采样到的文本节点。H是我们需要得到的嵌入向量，Z是节点文本向量（作为副产物会被模型学习到）。

#### 六、算法流程 ####

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 3][]

在算法1中，我们会首先采样出一个节点序列（第4步采样），每个节点序列会被用于更新模型参数（第5步更新模型参数，调用算法2）。在算法2中，每个节点的左右窗口k内的节点作为正样本，先试用正样本更新参数（算法2的第14步到20步）。然后随机采样\#ns个负样本去更新模型参数。更新的公式在论文中有推导。

以上是整个EGES的算法流程，关于实验部分大家可以看看论文。

[EGES算法全面解读\_afterbug的博客-CSDN博客\_eges][EGES_afterbug_-CSDN_eges]

[推荐系统之EGES\_张先生-您好的博客-CSDN博客\_eges][EGES_-_-CSDN_eges]

[scale]: https://so.csdn.net/so/search?q=scale&spm=1001.2101.3001.7020
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20210711153314698.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8=,size_16,color_FFFFFF,t_70
[2021071117045554.png]: https://img-blog.csdnimg.cn/2021071117045554.png
[20210711172011845.png]: https://img-blog.csdnimg.cn/20210711172011845.png
[w_0]: https://latex.csdn.net/eq?w%5E0
[w_s]: https://latex.csdn.net/eq?w%5Es
[20210711180851160.png]: https://img-blog.csdnimg.cn/20210711180851160.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2021071118174717.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8=,size_16,color_FFFFFF,t_70
[A_in R_V_ _ _n_1]: https://latex.csdn.net/eq?A%5Cin%20R%5E%7B%7CV%7C%20*%20%28n&plus;1%29%7D
[20210711201530198.png]: https://img-blog.csdnimg.cn/20210711201530198.png
[20210711201837639.png]: https://img-blog.csdnimg.cn/20210711201837639.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210711210742466.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210711210753732.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xlaWdlbm8=,size_16,color_FFFFFF,t_70
[EGES_afterbug_-CSDN_eges]: https://blog.csdn.net/leigeno/article/details/118641601
[EGES_-_-CSDN_eges]: https://blog.csdn.net/weixin_35154281/article/details/117396048