论文阅读——YouTube推荐中的深层神经网络

这篇文章是阅读YouTube的《Deep Neural Networks for YouTube Recommendations》后的一点总结，这篇文章值得详细阅读，因此将其中的核心点整理出来。

文章的重点

1、总结推荐系统的架构
2、如何利用深度模型做召回
3、如何利用深度模型做Ranking

1、推荐系统的架构

在本文中，推荐系统的架构与其他的推荐架构极为类似，都是由两个部分组成：1、候选集生成；2、ranking。详细的架构如下图所示：

这样的一种漏斗模型在很多地方都会使用到，漏斗模型如下图所示：

在上述的架构中，两个部分对应的功能为：

候选集生成模块（Candidate Generation）负责从百万的视频数据集中知道到几百个与用户相关的待推荐视频；
Ranking模块负责从候选集生成模块产生的待推荐列表中再选择几十个视频，用于展示给用户。

同时，上述的架构也是一种分层的架构，这样，在候选集生成部分就可以加入不同的挖掘方法挖掘出的相关视频。

2、候选集生成模块

2.1、问题建模

对于候选集的生成模块，需要从视频集中选择出与用户相关的视频。本文中作者提出将其看成一个极多分类问题（extreme multiclass classification problem）：

基于特定的用户 $U$ 和上下文 $C$ ，在时间 $t$ 将指定的视频 $w_{t}$ 准确地划分到第 $i$ 类中，其中 $i \in V$ 。

P (w_{t} = i ∣ U, C) = \frac{e^{v_{i} u}}{\sum_{j \in V} e^{v_{j} u}}

其中， $u \in R^{N}$ 表示的是用户和上下文组合的向量； $v_{j} \in R^{N}$ 表示视频 $j$ 的向量。

极多分类的高效训练：
假设存在百万个类别时，训练这样的极多分类问题时显得异常困难。
解决的方法——负类采样（sample negative classes）： 通过采样找到数千个负类。

2.2、神经网络的结构

召回训练的神经网络结构如下图所示：

在上面的神经网络的结构中，包含了两个阶段，分别为训练阶段和服务阶段：

训练部分会得到两个部分的数据：视频的embedding $v_{j}$ 和用户的embedding $u$
服务阶段直接使用上述的两个embedding，两个向量的相似度的方法在这里都可以使用。

2.3、召回神经网络的训练

对于服务阶段使用到的相似向量的计算方法不在本文的讨论范围内，在这里着重讨论该神经网络的训练。

2.3.1、训练数据

从上面的神经网络的结构中可以看出，神经网络的训练数据主要包括如下的几个部分：

用户观看的视频（video watches）。将用户观看过的视频初始化为向量，假设有 $n$ 个观看记录，需要将这 $n$ 个记录压缩成一个向量，方法主要有：求均值，求和，按位取max。在本文的实验中，求均值的效果最好。在训练的过程中，视频的向量与模型的参数一同参与训练，具体过程可以参见词向量的训练。
用户的搜索记录（search tokens）。处理方法与用户观看的视频一致。
人口统计学的特征（demographic features）。如用户的地理位置，设备需要embedding，而如用户性别，登录状态以及年龄这样的二进制和连续的特征只需归一化到 $[0, 1]$ 便可以直接作为输入。

3、Ranking模块

Ranking部分是从候选集中进行进一步的优选，除了上述的候选集生成方法，Ranking部分可以融入更多的其他的候选集。

3.1、问题建模

本文作者在这个部分没有使用点击率作为问题的目标，而是使用了观看时长（watch time）。因为如果使用点击率，用户可能并没有完成观看，使用观看时长，可以更好地捕捉用户的参与（原文的意思是说：会存在“clickbait”）。在神经网络的最后一层使用的方法二分类的Logistic Regression，训练样本为：

正例：展示的视频被点击
负例：展示的视频未被点击

正例同时伴随着用户观看的总时长。为了能够预测用户的期望观看时长，使用的是加权Logistic Regression（Weighted Logistic Regression）。

在加权Logistic Regression中，正样本的权重是video观看的时长，负样本的权重是单位权重。此时，Logistic Regression输出的odds为：

\frac{\sum T_{i}}{N - k}

正样本的权重/负样本的权重

其中， $N$ 表示的是训练样本的数目， $k$ 表示的是正样本的数目， $T_{i}$ 表示的是第 $i$ 个展示被观看的时长。

假设正例的展示比较小（这与实际情况一致，多数为负样本），学习到的概率近似为 $E [T] (1 + P)$ ，其中， $P$ 表示的是点击率， $E [T]$ 表示的是展示的期望观看时长，由于 $P$ 非常小，所以上述的结果近似于 $E [T]$ ，即期望观看时长。

在预测时，使用指数函数 $e^{x}$ 作为最终的**函数来表示概率。

3.2、Ranking模块的神经网络架构

Ranking部分的神经网络架构与候选集生成部分的神经网络的架构模型类似，如下图所示：

3.3、Ranking神经网络的训练

在本文中，作者将特征划分为离散型的类别特征和连续特征，此时的难点是如何生成有用的特征。

3.3.1、离散型类别特征的Embedding

对于离散型的类别特征，处理的方法与召回部分一致——embedding。在候选集生成过程中，已经生成了每一个ID视频对应的embedding，将该embedding存在一张表里面，可以供上述的impression，last watched共享。

3.3.2、连续特征的正则化

与基于决策树的组合方法相比，神经网络对于输入的伸缩和分布很敏感。对连续特征的合理正则化对于神经网络的收敛只管重要。

如果 $x$ 服从任意分布，且其概率密度函数为 $f (x)$ ，则利用累计分布函数：

\tilde{x} = \int_{- \infty}^{x} d f

则 $\tilde{x}$ 为 $[0, 1)$ 上的均匀分布。

除了上述的 $\tilde{x}$ ，还有 ${\tilde{x}}^{2}$ 和 $\sqrt{\tilde{x}}$ 。