MultiFS: 深度推荐系统中的自动多场景特征选择

秋枫学习笔记

发布于 2024-03-18 13:08:30

5850

发布于 2024-03-18 13:08:30

文章被收录于专栏：秋枫学习笔记

标题：MultiFS: Automated Multi-Scenario Feature Selection in Deep Recommender Systems 论文链接：https://dgliu.github.io/pubs/WSDM_2024_MultiFS.pdf 代码地址：https://github.com/dgliu/WSDM24_MultiFS 会议：WSDM 2024

1 引言

传统的多场景推荐系统(MSRS)通常不加区别的使用所有相关的特征，忽视了特征在不同场景下的不同重要性，往往会导致模型性能下降。本文提出了多场景特征选择(MultiFS)框架来解决此问题，MultiFS能考虑场景间的关系，并通过分层门控机制为每个场景选择独特的特征。

具体的做法为：MultiFS首先通过场景共享门控机制获取所有场景下的特征重要性；然后通过场景特定的门控机制，从前者较低的重要性特征中识别出场景独特的特征重要性；最后对这两个门控机制进行约束使得模型可学习，将两者结合起来为不同场景选择不同的特征。

2 问题定义

对于单场景中成对的用户和item，定义X和Y分别为特征空间和标签空间。X由用户特征、item特征和上下文特征组成，Y定义为用户行为，通常为二元标签。当同时含有K个场景时，通常由共享和特定组件组成多场景模型：

\hat{y}_{i}^{k} = f(x_{i}^{k} | \theta, \{\theta_{s^k}\})

其中f代表特征到标签的映射函数，

\theta

代表场景共享参数，

\{\theta_{s^k}\}

代表场景特有参数，损失通常采用交叉熵函数。基于上述公式进一步定义 MSRS 的特征选择问题，通常情况对于特征向量

x_i^k

有m个特征域，为更好的表征原始特征，推荐系统中会使用embedding table来映射原始特征，MSRS中的特征选择问题定义为：对每个场景的embedding table 应用门控掩码操作，并产生相应的掩蔽embedding table,即:

\hat{E}^k = E · G^k

门控掩码由场景共享门控向量和相关的场景特殊门控向量组成

G^k = g(g^k, g^{sh})

3 网络结构

3.1 框架概述

MultiFS的整体框架如图所示，遵循多场景学习的主要框架，首先特征掩码被分解成两种类型，共享掩码(蓝色标记)专注于选择在所有场景中都有用共享特征，而特定掩码(其他颜色标记)服务于特定场景，该掩码过滤了对该场景无用的特征。因此特定掩码的集合可以根据共享掩码来确定。注意，一个样本只会属于一个场景，并将被用来训练共享网络和对应场景的特定网络。这意味着共享掩码和特定掩码的组合将为embedding table产生embedding掩码，进而转换该样本的特征。

3.2 特征掩码分解

为解决MSRSs在选择特征值时面临的难以处理的大搜索空间问题，MultiFS第一步采用分解特征掩码，目标是确定一组场景特定的特征门控。将场景特征选择表述成为每个特征emb表征分配一个二进制门控向量。向量中的0-1值表示丢弃或者保留这个特征。通过选择后，特征表征可以表述如下：

\widetilde{e}_{j}^{(i)} = g_{j}^{(i)} \odot e_{j}^{(i)} = g_{j}^{(i)} \odot (e \times e_{j}^{(i)})

然而，MSRSs中的场景之间通常有许多重叠的特征，因此独立优化每个门控G无法有效利用跨场景的共享信息。于是引入了场景共享特征门控来识别有用的共享特征。我们可以将每个G分解为场景共享特征选择和场景特定特征选择：

G^{(i)} = g(g^{(i)}, g_h^{(i)}) = g_h^{(i)} + (1 - g_h^{(i)}) \odot g^{(i)}

3.3 分层门控机制

为获得有效且统一的门控机制G，需要克服两个挑战：1.二元门控向量

g^{sh}

和

g^k

的梯度难以计算；2.优化门控掩码G和网络参数可能会损害模型的性能。因此引入层次化门控机制，采用learning-by-continuation的训练方法，训练过程如上图左上角。

为了有效的优化G，引入连续的场景特定门控向量集

\{g_c^1, \dots,g_c^K\}

和连续的场景共享门控集

g_c^{sh}

,因此二元门控向量分别定义为：

\begin{aligned} & \mathbf{g}^{s h}=\frac{\sigma\left(\mathbf{g}_c^{s h} \times \tau\right)}{\sigma\left(\mathbf{g}_c^{s h}{ }^{(0)}\right)}, \tau=\gamma^{t / T} \\ & \mathbf{g}^k=\frac{\sigma\left(\mathbf{g}_c^k \times \tau\right)}{\sigma\left(\mathbf{g}_c^k(0)\right.}, \quad \tau=\gamma^{t / T} \end{aligned}

其中

\sigma

是sigmoid函数。通过在训练期间用连续门控向量替换掩码，可以以可微的方式优化门控向量和网络参数。然而连续门控将使得难以层次化地获取剩余特征，针对这种情况，本文在训练期间对场景共享门控使用直通估计操作S()，即在前向预测时将其转换为二进制代理掩码，同时保持反向可微性属性。

q^{sh} = S(\text{relu}(g^{sh} - \epsilon))

其中e是可学习的阈值，于是门控机制变成

G^{k} = q^{sh} \odot g^{sh} + (1 - q^{sh}) \odot g^{k}

通过T轮的训练后，最终可得

g^{sh} = \begin{cases} 0, & \text{if } g_c^{sh} \leq 0 \\ 1, & \text{otherwise} \end{cases}

g^{k} = \begin{cases} 0, & \text{if } g_c^{k} \leq 0 \\ 1, & \text{otherwise} \end{cases}

3.4 训练优化

首先为保证门控向量的稀疏性，引入L1正则

\mathcal{L}^{s p}=\left(\left\|\mathbf{g}^{s h}\right\|_1+\sum_{k=1}^K\left\|\mathrm{~g}^k\right\|_1\right)

其次，理想的MSRS应该使场景特定的表示彼此解耦，因此本文设计了一个正交惩罚项如下：

\mathcal{L}^{o r}=\sum_{p=1}^K \sum_{r=p+1}^K\left\|\mathrm{~g}^p \odot \mathrm{g}^r\right\|_1

然后多场景数据集中不平衡的数据分布会影响性能，对多场景特征选择也是有害的。例如，假设一个场景的样本太少，将导致难以有效优化该场景的特征掩码，将影响整个模型的性能。为了解决这个问题并确保本文方法的普适性，引入了对

g^{sh}

的单一预测作为嵌入掩码，相应的损失可以表述如下：

\begin{gathered} \hat{\mathbf{y}}=f\left(\mathbf{g}^{s h} \odot \mathbf{E} \times \mathbf{x} ; \Theta\right) \\ \mathcal{L}^{s h}=\mathcal{L}\left(f\left(\mathbf{g}^{s h} \odot \mathbf{E} \times \mathbf{x} ; \Theta\right), \mathbf{y}\right)=\frac{1}{K} \sum_{k=1}^K \mathcal{L}_k^{s h}(\hat{y}, y), \end{gathered}

最终的loss定义为：

\min _{\left\{\mathbf{G}^k\right\}, \Theta} \mathcal{L}_{\text {MultiFS }}=\mathcal{L}+\lambda_1 \mathcal{L}^{s h}+\lambda_2 \mathcal{L}^{s p}+\lambda_3 \mathcal{L}^{o r}