CTR学习笔记代码实现1-深度学习的前奏LR-FFM

作者 | 风雨中的小七

CTR学习笔记系列的第一篇，总结在深度模型称王之前经典LR，FM, FFM模型，这些经典模型后续也作为组件用于各个深度模型。模型分别用自定义Keras Layer和estimator来实现，哈哈一个是旧爱一个是新欢。特征工程依赖feature_column实现，这里做的比较简单在后面的深度模型再好好搞。完整代码在这里https://github.com/DSXiangLi/CTR‍‍‍‍‍‍‍‍‍‍‍‍

问题定义

CTR本质是一个二分类问题，

是用户和广告相关特征,

是每个广告是否被点击，基础模型就是一个简单的Logistics Regression

考虑在之后TF框架里logistics可以简单用activation来表示，我们把核心的部分简化为以下

LR模型

2010年之前主流的CTR模型通常是最简单的logistics regression，模型可解释性强，工程上部署简单快捷。但最大的问题是依赖于大量的手工特征工程。

刚接触特征工程的同学可能会好奇为什么需要计算组合特征？

最开始我只是简单认为越细粒度的聚合特征Bias越小。接触了因果推理后，我觉得更适合用Simpson Paradox里的Confounder Bias来解释，不同聚合特征之间可能会相悖，例如各个年龄段的男性点击率均低于女性，但整体上男性的点击率高于女性。感兴趣的可以看看这篇博客因果推理的春天系列序 - 数据挖掘中的Confounding, Collidar, Mediation Bias

如果即想简化特征工程，又想加入特征组合，肯定就会想到下面的暴力特征组合方式。这个也被称作POLY2模型

但上述

需要学习

个参数，一方面复杂度高，另一方面对高维稀疏特征会出现大量

是0的情况，模型无法学到样本中未曾出现的特征组合pattern，模型泛化性差。

于是降低复杂度，自动选择有效特征组合，以及模型泛化这三点成为后续主要的改进的方向。

GBDT+LR模型

2014年Facebook提出在GBDT叠加LR的方法，敲开了特征工程模型化的大门。GBDT输出的不是预测概率，而是每一个样本落在每一颗子树哪个叶节点的一个0/1矩阵。在只保留和target相关的有效特征组合的同时，避免了手工特征组合需要的业务理解和人工成本。

相较特征组合，我更喜欢把GBDT输出的特征向量，理解为根据target，对样本进行了聚类/降维，输出的是该样本所属的几个特定人群组合，每一棵子树都对应一种类型的人群组合。

但是！GBDT依旧存在泛化问题，因为所有叶节点的选择都依赖于训练样本，并且GBDT在离散特征上效果比较有限。同时也存在经过GBDT变换得到的特征依旧是高维稀疏特征的问题。

FM模型

2010年Rendall提出的因子分解机模型(FM)为降低计算复杂度，为增加模型泛化能力提供了思路

原理

FM模型将上述暴力特征组合直接求解整个权重矩

，转化为求解权重矩阵的隐向量

，这一步会大大增加模型泛化能力，因为权重矩阵不再完全依赖于样本中的特定特征组合，而是可以通过特征间的相关关系间接得到。同时隐向量把模型需要学习的参数数量从

降低到

个

同时FM通过下面的trick,把拟合过程的计算复杂度从

降低到线性复杂度

代码实现-自定义Keras Layer

class FM_Layer(Layer):"""Input:factor_dim: latent vector size input_shape: raw feature sizeactivationoutput:FM layer output"""def __init__(self, factor_dim, activation = None, **kwargs):self.factor_dim = factor_dimself.activation = activations.get(activation) # if None return linear, else return function of identifierself.InputSepc = InputSpec(ndim=2) # Specifies input layer attribute. one Inspec for each inputsuper(FM_Layer,self).__init__(**kwargs)def build(self, input_shape):"""input:tuple of input_shapeoutput:w: linear weightv: latent vectorb: linear Biasfunc:define all the necessary variable here"""assert len(input_shape) >=2input_dim = int(input_shape[-1])self.w = self.add_weight(name = 'w0', shape = (input_dim, 1),initializer = 'glorot_uniform',trainable = True)self.b = self.add_weight(name = 'bias', shape = (1, ),initializer = 'zeros',trainable = True)self.v = self.add_weight(name = 'hidden_vector', shape = (input_dim, self.factor_dim),initializer = 'glorot_uniform',trainable = True)super(FM_Layer, self).build(input_shape)# set self.built=Truedef call(self, x):"""input:x(previous layer output)output:core calculation of the FM layerfunc:core calculcation of layer goes here"""linear_term = K.dot(x, self.w) + self.b# Embedding之和，Embedding内积： (1, input_dim) * (input_dim, factor_dim) = (1, factor_dim)sum_square = K.pow(K.dot(x, self.v),2)square_sum = K.dot(K.pow(x, 2), K.pow(self.v, 2))# (1, factor_dim) -> (1)quad_term = K.mean( (sum_square - square_sum), axis=1, keepdims = True) #output = self.activation((linear_term+quad_term))return outputdef compute_output_shape(self, input_shape):# tf.keras回传input_shape是tf.dimension而不是tuple, 所以要cast成intreturn (int(input_shape[0]), self.output_dim)

FM和MF的关系

Factorizaton Machine 和Matrix Factorization听起来就很像，MF也确实是FM的一个特例。MF是通过对矩阵进行因子分解得到隐向量，但因为只适用于矩阵所以特征只能是二维，常见的是(user_id, item_id)组合。而同样是得到隐向量，FM将矩阵展平把离散特征都做one-hot,因此支持任意数量的输入特征。

FM和Embedding的关系

Embedding最常见于NLP中，把词的高维稀疏特征映射到低维矩阵embedding中，然后用交互函数，例如向量内积来表示词与词之间的相似度。而实际上FM计算的隐向量也是一种Embedding 的拟合方法，并且限制了只用向量内积作为交互函数。上述

得到的就是Embedding向量本身。

FFM

2015年提出的FFM模型在FM的基础上加入了Field的概念

原理

上述FM学到的权重矩阵V是每个特征对应一个隐向量，两特征组合通过隐向量内积的形式来表达。FFM提出同一个特征和不同Field的特征组合应该有不同的隐向量，因此

变成

其中F是特征所属Field的个数。以下数据中country,Data,Ad_type就是Field

FM两特征交互的部分被改写为以下，因此需要学习的参数数量从nk变为nf*k。并且在拟合过程中无法使用上述trick因此复杂度从FM的

上升为

。

代码实现-自定义model_fn

def model_fn(features, labels, mode, params):"""Field_aware factorization machine for 2 classes classification"""feature_columns, field_dict = build_features()field_dim = len(np.unique(list(field_dict.values())))input = tf.feature_column.input_layer(features, feature_columns)input_dim = input.get_shape().as_list()[-1]with tf.variable_scope('linear'):init = tf.random_normal( shape = (input_dim,2) )w = tf.get_variable('w', dtype = tf.float32, initializer = init, validate_shape = False)b = tf.get_variable('b', shape = [2], dtype= tf.float32)linear_term = tf.add(tf.matmul(input,w), b)tf.summary.histogram( 'linear_term', linear_term )with tf.variable_scope('field_aware_interaction'):init = tf.truncated_normal(shape = (input_dim, field_dim, params['factor_dim']))v = tf.get_variable('v', dtype = tf.float32, initializer = init, validate_shape = False)interaction_term = tf.constant(0, dtype =tf.float32)# iterate over all the combination of featuresfor i in range(input_dim):for j in range(i+1, input_dim):interaction_term += tf.multiply(tf.reduce_mean(tf.multiply(v[i, field_dict[j],: ], v[j, field_dict[i],:])) ,tf.multiply(input[:,i], input[:,j]))interaction_term = tf.reshape(interaction_term, [-1,1])tf.summary.histogram('interaction_term', interaction_term)with tf.variable_scope('output'):y = tf.math.add(interaction_term, linear_term)tf.summary.histogram( 'output', y )if mode == tf.estimator.ModeKeys.PREDICT:predictions = {'predict_class': tf.argmax(tf.nn.softmax(y), axis=1),'prediction_prob': tf.nn.softmax(y)}return tf.estimator.EstimatorSpec(mode = tf.estimator.ModeKeys.PREDICT,predictions = predictions)cross_entropy = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits( labels=labels, logits=y ))if mode == tf.estimator.ModeKeys.TRAIN:optimizer = tf.train.AdamOptimizer(learning_rate = params['learning_rate'])train_op = optimizer.minimize(cross_entropy,global_step = tf.train.get_global_step())return tf.estimator.EstimatorSpec(mode, loss = cross_entropy, train_op = train_op)else:eval_metric_ops = {'accuracy': tf.metrics.accuracy(labels = labels,predictions = tf.argmax(tf.nn.softmax(y), axis=1)),'auc': tf.metrics.auc(labels = labels ,predictions = tf.nn.softmax(y)[:,1]),'pr': tf.metrics.auc(labels = labels,predictions = tf.nn.softmax(y)[:,1],curve = 'PR')}return tf.estimator.EstimatorSpec(mode, loss = cross_entropy, eval_metric_ops = eval_metric_ops)

参考资料

S. Rendle, “Factorization machines,” in Proceedings of IEEE International Conference on Data Mining (ICDM), pp. 995–1000, 2010
Yuchin Juan，Yong Zhuang，Wei-Sheng Chin，Field-aware Factorization Machines for CTR Prediction。
盘点前深度学习时代阿里、谷歌、Facebook的CTR预估模型
前深度学习时代CTR预估模型的演化之路：从LR到FFM
推荐系统召回四模型之：全能的FM模型
主流CTR预估模型的演化及对比
深入FFM原理与实践

一起交流

想和你一起学习进步！『NewBeeNLP』目前已经建立了多个不同方向交流群（机器学习 / 深度学习 / 自然语言处理 / 搜索推荐 / 图网络 / 面试交流 / 等），名额有限，赶紧添加下方微信加入一起讨论交流吧！（注意一定要备注信息才能通过）

- END -

NLP算法求建议 | 腾讯 VS 美团

2021-04-23

一年级算法工程师的工作总结

2021-04-22

推荐系统技术演进趋势：排序篇

2021-04-21

[211渣硕] 腾讯/阿里/携程详细NLP算法实习面经

2021-04-19