推荐系统系列（四）：PNN理论与实践
背景
上一篇文章介绍了FNN [2]，在FM的基础上引入了DNN对特征进行高阶组合提高模型表现。但FNN并不是完美的，针对FNN的缺点上交与UCL于2016年联合提出一种新的改进模型PNN（Product-based Neural Network）。
PNN同样引入了DNN对低阶特征进行组合，但与FNN不同，PNN并没有单纯使用全连接层来对低阶特征进行组合，而是设计了Product层对特征进行更细致的交叉运算。在《推荐系统系列（三）：FNN理论与实践》中提到过，在不考虑激活函数的前提下，使用全连接的方式对特征进行组合，等价于将所有特征进行加权求和。PNN的作者同样意识到了这个问题，认为“加法”操作并不足以捕获不同Field特征之间的相关性。原文如下 [1]：
the “add” operations of the perceptron layer might not be useful to explore the interactions of categorical data in multiple fields.
有研究表明“product”操作比“add”操作更有效，而且FM模型的优势正是通过特征向量的内积来体现的。基于此，PNN作者设计了product layer来对特征进行组合，包含内积与外积两种操作。实验表明，PNN有显著提升，而product layer也成为了深度推荐模型中的经典结构。
分析
1. PNN结构
PNN的网络架构如下图所示：
从上往下进行分析，最上层输出的是预估的CTR值，\(\hat{y}=\sigma(W_3l_2+b_3)\) ，公式符号与原Paper保持一致。
第二层隐藏层：\(l_2=relu(W_2l_1+b_1)\)
第一层隐藏层：$l_1=relu(l_z+l_p+b_1) $
PNN核心在于计算 \(l_z,l_p\) 。首先，定义矩阵点积运算 \(A \bigodot B \triangleq \sum_{i,j}A_{i,j}B_{i,j}\)
则：
其中：
结合公式（1）（3），得：
公式（3）中，\(f_i \in \mathbb{R}^M\) 表示经过embedding之后的特征向量，embedding过程与FNN保持一致。联系PNN结构图与公式（1）（3）可以看出，这个部分的计算主要是为了保留低阶特征，对比FNN丢弃低阶特征，只对二阶特征进行更高阶组合，显然PNN是为了弥补这个缺点。
公式（4）中 \(p_{i,j}=g(f_i,f_j)\) 表示成对特征交叉函数，定义不同的交叉方式也就有不同的PNN结构。在论文中，函数 \(g(f_i,f_j)\) 有两种表示，第一种为向量内积运算，即IPNN（Inner Product-based Neural Network）；第二种为向量外积运算，即OPNN（Outer Product-based Neural Network）。
1.1 IPNN分析
定义 \(p_{i,j}=g(f_i,f_j)=\langle f_i,f_j \rangle\) ，将公式（2）进行改写，得：
分析IPNN的product layer计算空间复杂度：
结合公式（1）（5）可知，\(l_z\) 计算空间复杂度为 \(O(D_1NM)\) 。结合公式（2）（6）可知，计算 \(p\) 需要 \(O(N^2)\) 空间开销，\(l_p^n\) 需要 \(O(N^2)\) 空间开销，所以 \(l_p\) 计算空间复杂度为 \(O(D_1NN)\) 。所以，product layer 整体计算空间复杂度为 \(O(D_1N(M+N))\) 。
分析IPNN的product layer计算时间复杂度：
结合公式（1）（5）可知，\(l_z\) 计算时间复杂度为 \(O(D_1NM)\) 。结合公式（2）（6）可知，计算 \(p_{i,j}\) 需要 \(O(M)\) 时间开销，计算 \(p\) 需要 \(O(N^2M)\) 时间开销，又因为 \(l_p^n\) 需要 \(O(N^2)\) 时间开销，所以 \(l_p\) 计算空间复杂度为 \(O(N^2(M+D_1))\) 。所以，product layer 整体计算时间复杂度为 \(O(N^2(M+D_1))\) 。
计算优化
时空复杂度过高不适合工程实践，所以需要进行计算优化。因为 \(l_z\) 本身计算开销不大，所以将重点在于优化 \(l_p\) 的计算，更准确一点在于优化公式（6）的计算。
受FM的参数矩阵分解启发，由于 \(p_{i,j},W_p^n\) 都是对称方阵，所以使用一阶矩阵分解，假设 \(W_p^n=\theta^n\theta^{nT}\) ，此时有 \(\theta^n \in \mathbb{R}^N\) 。将原本参数量为 \(N*N\) 的矩阵 \(W_p^n\) ，分解为了参数量为 \(N\) 的向量 \(\theta^n\) 。同时，将公式（6）改写为：
其中：\(\delta_i^n=\theta_i^nf_i\) ，\(\delta_i^n \in \mathbb{R}^M\) 。结合公式（2）（7），得：
优化后的时空复杂度
空间复杂度由\(O(D_1N(M+N))\) 降为 \(O(D_1NM)\) ；
时间复杂度由\(O(N^2(M+D_1))\) 降为 \(O(D_1NM)\) ；
虽然通过参数矩阵分解可以对计算开销进行优化，但由于采用一阶矩阵分解来近似矩阵结果，所以会丢失一定的精确性。如果考虑引入K阶矩阵分解，虽然精度更高但计算开销会更高。
1.2 OPNN分析
将特征交叉的方式由内积变为外积，便可以得到PNN的另一种形式OPNN。
定义 \(p_{i,j}=g(f_i,f_j)=f_if_j^T\) ，将公式（2）进行改写，得到：
类似于IPNN的分析，OPNN的时空复杂度均为 \(O(D_1M^2N^2)\) 。
为了进行计算优化，引入叠加的概念（sum pooling）。将 \(p\) 的计算公式重新定义为：
那么公式（9）重新定义为：（注意，此时 \(p \in \mathbb{R}^{M \times M}\) ）
通过公式（10）可知， \(f_{\sum}\) 的时间复杂度为 \(O(MN)\) ，\(p\) 的时空复杂度均为 \(O(MM)\) ， \(l_p^n\) 的时空复杂度均为 \(O(MM)\) ，那么计算 \(l_p\) 的时空复杂度均为 \(O(D_1MM)\) ，从上一小节可知，计算 \(l_z\) 的时空复杂度均为 \(O(D_1MN)\) 。所以最终OPNN的时空复杂度为 \(O(D_1M(M+N))\) 。
那么OPNN的时空复杂度由 \(O(D_1M^2N^2)\) 降低到 \(O(D_1M(M+N))\) 。
同样的，虽然叠加概念的引入可以降低计算开销，但是中间的精度损失也是很大的，性能与精度之间的tradeoff。
降低复杂度的具体策略与具体的product函数选择有关，IPNN其实通过矩阵分解，“跳过”了显式的product层，通过代数转换直接从embedding层一步到位到 \(l_1\) 隐层，而OPNN则是直接在product层入手进行优化 [3]
2. 性能分析
作者在 \(Criteo\) 与 \(iPinYou\) 数据集上进行实验，对比结果如下。其中 \(PNN^*\) 是同时对特征进行内积与外积计算，然后concat在一起送入下一层。
关于模型dropout比例、激活函数以及隐藏层参数的实验对比如下所示：
3. 优缺点
优点：
- 对比FNN，在进行高阶特征组合的同时，融入了低阶特征，且无需进行两阶段训练。
实验
使用 \(MovieLens100K dataset\) ，核心代码如下。
class PNN(object):
def __init__(self, vec_dim=None, field_lens=None, lr=None, dnn_layers=None, dropout_rate=None, lamda=None, use_inner=True):
self.vec_dim = vec_dim
self.field_lens = field_lens
self.field_num = len(field_lens)
self.lr = lr
self.dnn_layers = dnn_layers
self.dropout_rate = dropout_rate
self.lamda = float(lamda)
self.use_inner = use_inner
assert dnn_layers[-1] == 1
self.l2_reg = tf.contrib.layers.l2_regularizer(self.lamda)
self._build_graph()
def _build_graph(self):
self.add_input()
self.inference()
def add_input(self):
self.x = [tf.placeholder(tf.float32, name='input_x_%d'%i) for i in range(self.field_num)]
self.y = tf.placeholder(tf.float32, shape=[None], name='input_y')
self.is_train = tf.placeholder(tf.bool)
def inference(self):
with tf.variable_scope('emb_part'):
emb = [tf.get_variable(name='emb_%d'%i, shape=[self.field_lens[i], self.vec_dim], dtype=tf.float32, regularizer=self.l2_reg) for i in range(self.field_num)]
emb_layer = tf.concat([tf.matmul(self.x[i], emb[i]) for i in range(self.field_num)], axis=1) # (batch, F*K)
emb_layer = tf.reshape(emb_layer, shape=[-1, self.field_num, self.vec_dim]) # (batch, F, K)
with tf.variable_scope('linear_part'):
linear_part = tf.reshape(emb_layer, shape=[-1, self.field_num*self.vec_dim]) # (batch, F*K)
linear_w = tf.get_variable(name='linear_w', shape=[self.field_num*self.vec_dim, self.dnn_layers[0]], dtype=tf.float32, regularizer=self.l2_reg) # (F*K, D)
self.lz = tf.matmul(linear_part, linear_w) # (batch, D)
with tf.variable_scope('product_part'):
product_out = []
if self.use_inner:
inner_product_w = tf.get_variable(name='inner_product_w', shape=[self.dnn_layers[0], self.field_num], dtype=tf.float32, regularizer=self.l2_reg) # (D, F)
for i in range(self.dnn_layers[0]):
delta = tf.multiply(emb_layer, tf.expand_dims(inner_product_w[i], axis=1)) # (batch, F, K)
delta = tf.reduce_sum(delta, axis=1) # (batch, K)
product_out.append(tf.reduce_sum(tf.square(delta), axis=1, keep_dims=True)) # (batch, 1)
else:
outer_product_w = tf.get_variable(name='outer_product_w', shape=[self.dnn_layers[0], self.vec_dim, self.vec_dim], dtype=tf.float32, regularizer=self.l2_reg) # (D, K, K)
field_sum = tf.reduce_sum(emb_layer, axis=1) # (batch, K)
p = tf.matmul(tf.expand_dims(field_sum, axis=2), tf.expand_dims(field_sum, axis=1)) # (batch, K, K)
for i in range(self.dnn_layers[0]):
lpi = tf.multiply(p, tf.expand_dims(outer_product_w[i], axis=0)) # (batch, K, K)
product_out.append(tf.expand_dims(tf.reduce_sum(lpi, axis=[1,2]), axis=1)) # (batch, 1)
self.lp = tf.concat(product_out, axis=1) # (batch, D)
bias = tf.get_variable(name='bias', shape=[self.dnn_layers[0]], dtype=tf.float32)
self.product_layer = tf.nn.relu(self.lz+self.lp+bias)
x = self.product_layer
in_node = self.dnn_layers[0]
with tf.variable_scope('dnn_part'):
for i in range(1, len(self.dnn_layers)):
out_node = self.dnn_layers[i]
w = tf.get_variable(name='w_%d'%i, shape=[in_node, out_node], dtype=tf.float32, regularizer=self.l2_reg)
b = tf.get_variable(name='b_%d'%i, shape=[out_node], dtype=tf.float32)
x = tf.matmul(x, w) + b
if out_node == 1:
self.y_logits = x
else:
x = tf.layers.dropout(tf.nn.relu(x), rate=self.dropout_rate, training=self.is_train)
in_node = out_node
self.y_hat = tf.nn.sigmoid(self.y_logits)
self.pred_label = tf.cast(self.y_hat > 0.5, tf.int32)
self.loss = -tf.reduce_mean(self.y*tf.log(self.y_hat+1e-8) + (1-self.y)*tf.log(1-self.y_hat+1e-8))
reg_variables = tf.get_collection(tf.GraphKeys.REGULARIZATION_LOSSES)
if len(reg_variables) > 0:
self.loss += tf.add_n(reg_variables)
self.train_op = tf.train.AdamOptimizer(self.lr).minimize(self.loss)
reference
[1] Qu, Yanru, et al. "Product-based neural networks for user response prediction." 2016 IEEE 16th International Conference on Data Mining (ICDM). IEEE, 2016.
[2] Zhang, Weinan, Tianming Du, and Jun Wang. "Deep learning over multi-field categorical data." European conference on information retrieval. Springer, Cham, 2016.
[3] https://zhuanlan.zhihu.com/p/56651241
知识分享
个人知乎专栏：https://zhuanlan.zhihu.com/c_1164954275573858304
欢迎关注微信公众号：SOTA Lab
专注知识分享，不定期更新计算机、金融类文章
