1. 简介
- EGES在2018年由阿里巴巴团队提出,其基本思想是在DeepWalk模型的基础上,引入side information来补充商品信息,解决长尾商品的embedding的学习问题。通过side information(比如类别、品牌等)来解决冷启动商品的embedding学习问题;
- 为了学习得到商品的embedding向量,大致有下面几个步骤:
(1)首先需要基于用户的session行为(时间窗口为1小时)构建商品图网络;构建的商品图网络为有向图网络,边的权重根据用户序列信息得到。
(2)然后在商品图网络上进行随机游走生成商品序列;
(3)之后将商品序列输入到Skip-Gram模型中得到商品的向量。 - 得到商品向量之后,在推荐系统召回阶段,就可以使用I2I的方式进行商品召回;
2. 模型结构
2.1 Base Graph Embedding (BGE模型)
-
BGE模型其实就是DeepWalk模型,在随机游走的时候结点之间的跳转概率计算公式如下:其中表示结点和之间的权重,表示结点所有出边的集合;即Deepwalk的跳转概率就是跳转边的权重占所有相关出边权重之和的比值。
-
2016年斯坦福大学在DeepWalk基础上进行再一次改进,提出了Node2vec模型;它通过调整随机游走权重的方法使Graph Embedding的结果更倾向于体现网络的同质性或者结构性; 同质性指的是距离相近的结点的embedding应该尽量近似,比如对于下图中的结点,与其相连接的结点的embedding应该尽量的相似;结构性指的是结构上相似的结点的embedding应该尽量相似,比如对于下图中的结点和结点都是各自局域网络的中心结点,结构上相似其embedding应该尽量相似。
Node2vec.png
-
为了实现同质性和结构性,Node2vec通过改变随机游走的跳转概率,使得游走过程更倾向于BFS或者DFS搜索过程达到目的。 在Node2vec中从结点随机游走跳转到结点的概率为(从结点跳转到结点,这个是已知的):,其中是边的权重;表示结点之间的最短路径;参数共同控制着随机游走的倾向性;
- 从下图可以看出同质性&结构性的体现;同质性的物品很可能是同品类、同属性、或者经常被一同购买的商品;结构性相同的物品则可能是各品类的爆款、各品类的最佳凑单商品等;
同质性&结构性.png
2.2 Graph Embedding with Side Information (GES模型)
- BGE模型主要的缺点是对于冷启动的商品,不能够很好的学到其商品向量;因此GES引入side information信息,将每一个side information信息都进行embedding编码;假设商品的向量为,其第个side information信息编码后的向量为,假设总共有中不同类型的side information信息。GES的做法是将这向量进行max-pooling得到商品融合后的向量:
2.3 Enhanced Graph Embedding with Side Information (EGES模型)
-
GES模型的主要缺点是,对于不同类型的side information其权重是一样的;EGES模型认为不同的side information信息是不一样的,因此提出商品融合后的向量应该是向量加权求和的结果,类似于attention机制。论文中不同embedding的权重是,目的是确保权重一定大于0;不同side information向量的权重是通过学习得到的;
EGES模型结构.png
-
最终EGES的目标函数如下:其中表示当前结点的context内的结点,表示输出层对应的embedding向量;
-
EGES模型最终的伪代码如下:
EGES伪代码.png
参考论文
- 【DeepWalk】DeepWalk: Online Learning of Social Representations https://arxiv.org/pdf/1403.6652.pdf
- 【EGES】Billion-scale Commodity Embedding for E-commerce
Recommendation in Alibaba https://arxiv.org/pdf/1803.02349.pdf - 【Node2vec】node2vec: Scalable Feature Learning for Networks https://cs.stanford.edu/~jure/pubs/node2vec-kdd16.pdf
参考资料
- 《深度学习推荐系统》 - 王喆
- EGES代码实现:https://github.com/nlpming/EGES
【fork自:https://github.com/wangzhegeek/EGES】
网友评论