1. 简介
Behavior Sequence Transformer由阿里巴巴淘宝团队19年发表在KDD2019会议上，论文的主要思想如下：通过引入transformer对用户历史行为序列建模，从而引入用户历史行为序列信息。 相比之前提出的DIN模型（DIN模型引入Attention机制增强模型序列建模能力），线上CTR指标提升3.02pp。在WDL的基础上引入用户历史序列信息，通过平均他们的Emb向量获取序列信息，论文中称此模型为WDL（+Seq），BST模型与此模型相比线上CTR指标提升更为显著4.54pp。
2. BST模型结构
- 首先，介绍下Embedding层。每个Item都对应两类特征：Sequence Item Features和Positional Feature。其中，Sequence Item Features包含两类：Item_id 和 category_id。Positional Feature就是Transformer中引入的位置信息，但是在这里计算Position val的方式与原论文不同，计算公式如下：
。每一个item
其对应的pos信息为，当前推荐的时间
减去用户点击item的时间
。最后通过将Sequence Item Features和Positional Feature产生的Embedding向量进行拼接，得到此item最终的Embedding向量输入到Transformer Encoder block中。
- 对于Transformer Layer其实就是利用了Transformer Encoder block，论文中经过试验发现层数
的时候，试验效果最好。可能的原因是因为，相比NLP中的机器翻译任务，推荐中用户行为序列信息更加的简单，所以不需要很深的网络结构。
- BST通过引入Transformer Layer感觉同时实现DIN中的Attention机制，和DIEN中序列信息的建模。以一种非常简单的方式引入的Self Attention，并且很好的利用用户历史行为序列信息。 论文中将预测用户是否点击item的问题，建模成了一个二分类问题。使用的交叉熵损失函数，最终的试验数据集如下。用户规模在2亿多，商品规模在千万级别，样本数量在百亿级别。训练数据来自Taobao app日志，使用7天的数据作为训练，1天的数据作为测试。
BST模型结构.png
试验数据集.png
3. 实验参数及结果
-
最终实验中选用的Embedding维度为 4-64。batch size大小设置为 256；dropout设置维0.2；序列长度为20；MLP总共三层，每层的参数数量为：1024 * 512 * 256；学习率设置为 0.01；优化算法为AdaGrad。
实验参数.png
-
实验结果如下，可以看出BST模型相比DIN, WDL(+Seq)在离线AUC指标上的提升不是很显著。但是在线上CTR指标的提升比较显著。论文中作者给出的实际经验是，即使离线AUC指标有轻微的提升，对线上的指标都是非常巨大的提升。Google WDL论文也给出了相似的结论。
实验结果.png
4. BST模型理解
- 其中Attention Unit和DIN模型的注意力单元是一样的；
- BST模型代码实现：https://github.com/shenweichen/DeepCTR/blob/master/deepctr/models/bst.py
BST模型理解.png
参考资料
- 【BST论文】Behavior Sequence Transformer for E-commerce
Recommendation in Alibaba https://arxiv.org/pdf/1905.06874.pdf%C2%A0
网友评论