i2i召回算法：EGES

4,649次阅读

共计 1770 个字符，预计需要花费 5 分钟才能阅读完成。

ok，继续开展召回的学习。这一篇是阿里的2018 kdd的文章，属于Graph Embedding领域。在我们的场景中会用在i2i的召回环节当中。

阿里发布这篇文章提到想要解决的问题：可扩展性、稀疏性和冷启动问题。

稀疏性：目前大部分推荐系统都是28原则，所以肯定是会存在很多物料的真实用户行为比较少，这部分的数据表现的稀疏性

冷启动：新物品的上架，如何给量，如何评估与库里的物品之间的相似度

可扩展性：

通篇文章我觉得最主要的还是 side information的引入。也许你会想这篇文章使用了有向图，但是这个有向图在所有的场景中都是必须的？是不是无向图也是可以的？DeepWalk 生成序列受转移概率的影响，这里涉及到边权重的问题，这里可能跟node2vec不太一样吧。训练的时候也是跟word2vec差不多，使用skip-gram的方式训练。

至此序列生成或者训练基本上都是遵循前者的经验，非要说可能有些业务上的trick，比如序列的切分等。

构建有向图
生成序列
skip-gram训练

回顾 word2vec ，这里只需要物料的id即可，不需要其他任何特征。但是物料的价格、颜色、标签等信息都是描述商品很有效的信息，这里面包含大量的先验信息。EGES很好的融合这些特征信息，并且将这些特征的向量映射到同一个向量空间里，然后通过信息融合的方式融合所有的先验信息来全方位表征物料。并且在融合的过程中引入权重，类似Attention那样输出权重，强调重要特征与次要特征的差异性，保留更多的有效信息。

i2i召回算法：EGES

上图中 $a_0\dotsa_n$ 表示是的对应的每个side information 的特征的权重。

代码可以参考这个仓库 https://github.com/wangzhegeek/EGES

下面给出部分的介绍

def attention_merge(self):
  '''
   各个特征的权重以及特征Embedding的融合
  '''
  embed_list = []
  num_embed_list = []
  for i in range(self.num_feat):
    cat_embed = tf.nn.embedding_lookup(self.embedding[i], self.inputs[i])
    embed_list.append(cat_embed)
    stack_embed = tf.stack(embed_list, axis=-1)
    # attention merge
    alpha_embed = tf.nn.embedding_lookup(self.alpha_embedding, self.inputs[0])
    alpha_embed_expand = tf.expand_dims(alpha_embed, 1)
    alpha_i_sum = tf.reduce_sum(tf.exp(alpha_embed_expand), axis=-1)
    merge_emb = tf.reduce_sum(stack_embed * tf.exp(alpha_embed_expand), axis=-1) / alpha_i_sum
    return merge_emb

def make_skipgram_loss(self):
  '''
  skip gram 训练
  '''
  loss = tf.reduce_mean(tf.nn.sampled_softmax_loss(
    weights=self.softmax_w,
    biases=self.softmax_b,
    labels=self.inputs[-1],
    inputs=self.merge_emb,
    num_sampled=self.n_samped,
    num_classes=self.num_nodes,
    num_true=1,
    sampled_values=tf.random.uniform_candidate_sampler(
      true_classes=tf.cast(self.inputs[-1], tf.int64), 
      num_true=1, 
      num_sampled=self.n_samped, 
      unique=True, 
      range_max=self.num_nodes
    )
  ))
  return loss