transformer预测过程_Transformer在推荐模型中的应用总结_基于反向预训练transformer的伪先验序列推荐算法

最近基于transformer的一些NLP模型很火（比如BERT，GPT-2等），因此将transformer模型引入到推荐算法中是近期的一个潮流。transformer比起传统的LSTM、GRU等模型，可以更好地建模用户的行为序列。本文主要整理transformer在推荐模型中的一些应用。
1. Self-Attentive Sequential Recommendation

模型结构：

b68d167ca5f3fd1b762102a575f006f3.png

方法：

符号定义：

bbf514716eae11087b5c04ec929eca8d.png

问题定义：模型输入是用户u的一个历史交互序列：
, 其期望的输出是该交互序列一个时间刻的偏移：
。

    Embedding层

将输入序列
转化成固定长度的序列
。意思是如果序列长度超过n，则使用最近n个行为。如果不足n，则从左侧做padding直到长度为n。

位置embedding: 因为self-attention并不包含RNN或CNN模块，因此它不能感知到之前item的位置。本文输入embedding中也结合了位置Embedding P信息，并且位置embedding是可学习的:

88a49e6f5a2397121f40bc4b632b86c2.png

    Self-Attention层

Transformer中Attention的定义为：

ebb1d1aded975da5a64ae3cdb8ee4d07.png

本文中，self-attention以embedding层的输出作为输入，通过线性投影将它转为3个矩阵，然后输入attention层：

e5827b29d27ff661d67de456c8ca431f.png

为了避免在预测i时刻的item时用到后续时刻的信息，本文将符合（j > i）条件的
与
之间的连接forbidding掉，这是因为self-attention每个时刻的输出会包含所有时刻的信息。

    Point-wise前馈网络

尽管self-attention能够用自适应权重并且聚焦之前所有的item，但最终它仍是个线性模型。可用一个两层的point-wise前馈网络去增加非线性同时考虑不同隐式维度之间的交互：

9d68557c325b40e6c036e05dd24e2ca0.png

    Self-Attention layer的堆叠

97fa9a0a2be4c1b8c8c2ce1d847ca6a2.png

    预测层

最后采用MF层来预测相关的item i：

152e3d24967040bf42b1df494ca73434.png

其中
是给定t个item，下一个item i的相关性。N是item embedding矩阵。

为了减少模型尺寸及避免过拟合，共用一个item embedding：

923ca9226999eff8b5d042d59524cbe2.png

    显式用户建模

为了提供个性化推荐，当前主要有两种方法：学习显式的用户embedding表示用户偏好(MF，FPMC，Caser)；考虑用户之前的行为，通过访问过的item的embedding推测隐式的用户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：

ca6e889eba09f9cdad5f38d703be3f21.png

但是通过实验发现增加显式用户embedding并没有提升效果。

    网络训练

定义时间步t的输出为：

6d65ac05a7c7314292123f2e4504016c.png

用二元交叉熵损失作为目标函数：

edafb2d874f9eefb324c37746b9d660e.png
2. Next Item Recommendation with Self-Attention

模型：

5c19c79ea3e53156b602cc9cecc10846.png

本文亮点是同时建模用户短期兴趣（由self-attention结构提取）和用户长期兴趣。其短期兴趣建模过程如下：

假定使用用户最近的L条行为记录来计算短期兴趣。可使用X表示整个物品集合的embedding，那么，用户u在t时刻的前L条交互记录所对应的embedding表示如下：

822ee337baf47f27c551d45bbdfe6a13.png

其中每个item的embedding维度为d，将
作为transformer中一个block的输入：

f271b685067930d9728835ffd7347862.png

0c2fa5c7f93fce32423fcff205ff8392.png

这里需要注意和传统transformer的不同点：

    计算softmax前先掩掉
    矩阵的对角线值，因为对角线其实是item与本身的一个内积值，容易给该位置分配过大的权重。
    没有将输入
    乘以
    得到
    ，而是直接将输入
    乘以softmax算出来的score。
    直接将embedding在序列维度求平均，作为用户短期兴趣向量。

另外加入了时间信号：

a512bf74741283b9d904fbdf947025b5.png

self-attention模块只使用用户最近的L个交互商品作为用户短期的兴趣。那么怎么建模用户的长期兴趣呢？可认为用户和物品同属于一个兴趣空间，用户的长期兴趣可表示成空间中的一个向量，而某物品也可表示为成该兴趣空间中的一个向量。那如果一个用户对一个物品的评分比较高，说明这两个兴趣是相近的，那么它们对应的向量在兴趣空间中距离就应该较近。这个距离可用平方距离表示：

abda35ce09a19796b223ed1570d5f737.png
其中U是用户的兴趣向量，V是物品的兴趣向量

综合短期兴趣和长期兴趣，可得到用户对于某个物品的推荐分，推荐分越低，代表用户和物品越相近，用户越可能与该物品进行交互：

40695262baf1b001624bf3475335fd17.png

模型采用pair-wise的方法训练，即输入一个正例和一个负例，希望负例的得分至少比正例高γ，否则就发生损失，并在损失函数加入L2正则项：

e81226f53ab3412c01187ff985738ef0.png
3. BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer

亮点：结合使用预训练的BERT模型

模型架构：

127af5053b550e8f1894464ae5e69c2f.png

    Embedding Layer

模型的输入是用户历史交互序列，对交互序列中的每一个物品i，其Embedding包含两部分，一部分是物品的Embedding，用vi表示，另一部分是位置信息的Embedding，用pi表示。这里的pi是可学习的。

    Transformer Layer

主要包括Multi-Head Self-Attention层和Position-Wise Feed-Forward Network，其中Multi-Head Self-Attention计算过程如下：

e4f526e02ed6a9efcd84cc1eba128257.png

d0b11485121a03a87d7e2557b33ffed6.png

Position-Wise Feed-Forward Network的作用是将每个位置(也可理解为每个时间刻t)上的输入分别输入到前向神经网络中：

d938fd265ef00646235b98bec8412774.png

    Stacking Transformer Layer

使用了类似于resnet的skip连接结构：

496daaf424fa07dbe724dd4d38badfcc.png

    Output Layer

d09e549d8b3ebdd9589728b39db057e7.png

    模型训练

因为在BERT4Rec中，输入历史序列[v1,v2,...,vt-1]，输出的是包含上下文信息的向量[h1,h2,...,ht-1]，这里每个向量ht都包含了整个序列的信息。如果要预测用户t时刻的交互物品vt，如果直接把vt作为输入，那么其余每个物品在Transformer Layer中会看到目标物品vt的信息，造成一定程度的信息泄漏。因此可把对应位置的输入变成[mask]标记。打标记的方式和BERT一样，随机把输入序列的一部分遮盖住，然后让模型来预测这部分对应的商品：

45fedf5aca9c9ddb7c7f10ba68ef25b0.png

最终的loss函数为：

b1db698f7df5b4da8f9f84f94989e517.png
4. Behavior Sequence Transformer

f4d85a2d160dee5983916c7ff7eb3801.png

这里就不详细介绍了，可参考我之前的一篇文章：https://zhuanlan.zhihu.com/p/72018969
总结

transformer结构可用于对用户短期内的行为序列进行建模（比如最近的n次行为序列），比起传统的RNN、CNN模型，transformer的优势在于它在每个时刻t求得的隐藏向量ht都包含整个序列的信息（这其实就是self-attention结构的优势，可建模出任意一个时刻item和所有时刻item的相关性）。因此可将transformer结构用于用户的短期兴趣embedding建模，然后再将该embedding向量用于召回或者ranking阶段。

参考文献：

    https://arxiv.org/pdf/1808.09781.pdf
    https://arxiv.org/pdf/1808.06414.pdf
    https://arxiv.org/pdf/1904.06690.pdf
    https://arxiv.org/pdf/1905.06874.pdf
————————————————
版权声明：本文为CSDN博主「weixin_39686192」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_39686192/article/details/112469156