在計算廣告和推薦系統中的AI算法(1)--FM模型

1、FM背景

在計算廣告和推薦系統中（比如大家常玩的抖音、今日頭條；訂酒店用的攜程、購物用的淘寶...），CTR預估(click-through rate)是非常重要的一個環節，判斷一個視頻/文章/商品/廣告是否進行推薦需要根據CTR預估的點擊率來進行。在進行CTR預估時，除了單特徵外，往往要對特徵進行組合。對於特徵組合來說，業界現在通用的做法主要有兩大類：FM系列與Tree系列。今天，我們就來講講FM算法。

2、one-hot編碼帶來的問題

FM(Factorization Machine)主要是為了解決數據稀疏的情況下，特徵怎樣組合的問題。以一個廣告分類的問題為例，根據用戶與廣告位的一些特徵，來預測用戶是否會點擊廣告。數據如下：(本例來自美團技術團隊分享的paper)

clicked是分類值，表明用戶有沒有點擊該廣告。1表示點擊，0表示未點擊。而country,day,ad_type則是對應的特徵。對於這種categorical特徵，一般都是進行one-hot編碼處理。

將上面的數據進行one-hot編碼以後，就變成了下面這樣 ：

因為是categorical特徵，所以經過one-hot編碼以後，不可避免的樣本的數據就變得很稀疏。舉個非常簡單的例子，假設淘寶或者京東上的item為100萬，如果對item這個維度進行one-hot編碼，光這一個維度數據的稀疏度就是百萬分之一。由此可見，數據的稀疏性，是我們在實際應用場景中面臨的一個非常常見的挑戰與問題。

one-hot編碼帶來的另一個問題是特徵空間變大。同樣以上面淘寶上的item為例，將item進行one-hot編碼以後，樣本空間有一個categorical變為了百萬維的數值特徵，特徵空間一下子暴增一百萬。所以大廠動不動上億維度，就是這麼來的。

3、對特徵進行組合

普通的線性模型，我們都是將各個特徵獨立考慮的，並沒有考慮到特徵與特徵之間的相互關係。但實際上，大量的特徵之間是有關聯的。最簡單的以電商為例，一般女性用戶看化妝品服裝之類的廣告比較多，而男性更青睞各種球類裝備。那很明顯，女性這個特徵與化妝品類服裝類商品有很大的關聯性，男性這個特徵與球類裝備的關聯性更為密切。如果我們能將這些有關聯的特徵找出來，顯然是很有意義的。

一般的線性模型為：

從上面的式子很容易看出，一般的線性模型壓根沒有考慮特徵間的關聯。為了表述特徵間的相關性，我們採用多項式模型。在多項式模型中，特徵xi與xj的組合用xixj表示。為了簡單起見，我們討論二階多項式模型。具體的模型表達式如下：

上式中，n表示樣本的特徵數量,xi表示第i個特徵。

與線性模型相比，FM的模型就多了後面特徵組合的部分。

4、FM求解

從上面的式子可以很容易看出，組合部分的特徵相關參數共有n(n−1)/2個。但是如第二部分所分析，在數據很稀疏的情況下，滿足xi,xj都不為0的情況非常少，這樣將導致ωij無法通過訓練得出。

為了求出ωij，我們對每一個特徵分量xi引入輔助向量Vi=(vi1,vi2,⋯,vik)。然後，利用vivj^T對ωij進行求解。

那麼ωij組成的矩陣可以表示為:

那麼，如何求解vi和vj呢？主要採用了公式：

具體過程如下：

上面的式子中有同學曾經問我第一步是怎麼推導的，其實也不難，看下面的手寫過程(大夥可不要嫌棄字醜喲)

經過這樣的分解之後，我們就可以通過隨機梯度下降SGD進行求解：

5、tensorflow代碼詳解

代碼參考地址：https://github.com/babakx/fm_tensorflow/blob/master/fm_tensorflow.ipynb

上面的代碼使用的是python2編碼，在python3下運行會出錯，所以如果大家使用的是python3的話，可以參考我寫的，其實就是修復了幾個bug啦，哈哈。

我的github地址：

https://github.com/princewen/tensorflow_practice/tree/master/recommendation-FM-demo。

本文使用的數據是MovieLens100k Datase，數據包括四列，分別是用戶ID，電影ID，打分，時間。

輸入變換

要使用FM模型，我們首先要將數據處理成一個矩陣，矩陣的大小是用戶數 * 電影數。如何根據現有的數據進行處理呢？使用的是scipy.sparse中的csr.csr_matrix，理解這個函數真的費了不少功夫呢，不過還是在下面博客(https://blog.csdn.net/u012871493/article/details/51593451)的幫助下理解了函數的原理。盜用博客中的一張圖來幫助大家理解這個函數的輸入：

函數形式如下：

csr_matrix((data, indices, indptr)

可以看到，函數接收三個參數，第一個參數是數值，第二個參數是每個數對應的列號，第三個參數是每行的起始的偏移量，舉上圖的例子來說，第0行的起始偏移是0，第0行有2個非0值，因此第一行的起始偏移是2，第1行有兩個非0值，因此第二行的起始偏移是4，依次類推。

下面的代碼是如何將原始的文件輸入轉換成我們的矩陣：

def vectorize_dic(dic,ix=None,p=None,n=0,g=0):
 """
 dic -- dictionary of feature lists. Keys are the name of features
 ix -- index generator (default None)
 p -- dimension of featrure space (number of columns in the sparse matrix) (default None)
 """
 if ix==None:
 ix = dict()
 nz = n * g
 col_ix = np.empty(nz,dtype = int)
 i = 0
 for k,lis in dic.items():
 for t in range(len(lis)):
 ix[str(lis[t]) + str(k)] = ix.get(str(lis[t]) + str(k),0) + 1
 col_ix[i+t*g] = ix[str(lis[t]) + str(k)]
 i += 1
 row_ix = np.repeat(np.arange(0,n),g)
 data = np.ones(nz)
 if p == None:
 p = len(ix)
 ixx = np.where(col_ix < p)
 return csr.csr_matrix((data[ixx],(row_ix[ixx],col_ix[ixx])),shape=(n,p)),ix
cols = ['user','item','rating','timestamp']
train = pd.read_csv('data/ua.base',delimiter='\\t',names = cols)
test = pd.read_csv('data/ua.test',delimiter='\\t',names = cols)
x_train,ix = vectorize_dic({'users':train['user'].values,
 'items':train['item'].values},n=len(train.index),g=2)
x_test,ix = vectorize_dic({'users':test['user'].values,
 'items':test['item'].values},ix,x_train.shape[1],n=len(test.index),g=2)
y_train = train['rating'].values
y_test = test['rating'].values
x_train = x_train.todense()
x_test = x_test.todense()

如果不做處理，函數返回的矩陣是按如下的格式保存的：

使用todense變換後，變成如下樣式：

估計值計算

得到我們的輸入之後，我們使用tensorflow來設計我們的模型，其實很簡單啦，我們模型的估計值由兩部分構成，原始的可以理解為線性迴歸的部分，以及交叉特徵的部分，交叉特徵直接使用我們最後推導的形式即可，再回顧一遍：

因此，我們需要定義三個placeholder，分別是輸入的x，輸入的y，以及我們的 用戶數*電影數大小的待學習的fm矩陣：

n,p = x_train.shape
k = 10
x = tf.placeholder('float',[None,p])
y = tf.placeholder('float',[None,1])
w0 = tf.Variable(tf.zeros([1]))
w = tf.Variable(tf.zeros([p]))
v = tf.Variable(tf.random_normal([k,p],mean=0,stddev=0.01))
#y_hat = tf.Variable(tf.zeros([n,1]))
linear_terms = tf.add(w0,tf.reduce_sum(tf.multiply(w,x),1,keep_dims=True)) # n * 1 

pair_interactions = 0.5 * tf.reduce_sum(
 tf.subtract(
 tf.pow(
 tf.matmul(x,tf.transpose(v)),2),
 tf.matmul(tf.pow(x,2),tf.transpose(tf.pow(v,2)))
 ),axis = 1 , keep_dims=True)
y_hat = tf.add(linear_terms,pair_interactions)

定義損失函數

這裡我們定義的損失函數除了平方損失外，還加了l2正則項，並使用梯度下降法進行參數的更新：

lambda_w = tf.constant(0.001,name='lambda_w')

lambda_v = tf.constant(0.001,name='lambda_v')

l2_norm = tf.reduce_sum(

tf.add(

tf.multiply(lambda_w,tf.pow(w,2)),

tf.multiply(lambda_v,tf.pow(v,2))

)

)

error = tf.reduce_mean(tf.square(y-y_hat))

loss = tf.add(error,l2_norm)

train_op = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(loss)

模型訓練

接下來就是訓練啦，這段代碼比較好理解：

epochs = 10
batch_size = 1000
# Launch the graph
init = tf.global_variables_initializer()
with tf.Session() as sess:
 sess.run(init)
 for epoch in tqdm(range(epochs), unit='epoch'):
 perm = np.random.permutation(x_train.shape[0])
 # iterate over batches
 for bX, bY in batcher(x_train[perm], y_train[perm], batch_size):
 _,t = sess.run([train_op,loss], feed_dict={x: bX.reshape(-1, p), y: bY.reshape(-1, 1)})
 print(t)
 errors = []
 for bX, bY in batcher(x_test, y_test):
 errors.append(sess.run(error, feed_dict={x: bX.reshape(-1, p), y: bY.reshape(-1, 1)}))
 print(errors)
 RMSE = np.sqrt(np.array(errors).mean())
 print (RMSE)

參考文章：

1、http://blog.csdn.net/bitcarmanlee/article/details/52143909

2、https://blog.csdn.net/u012871493/article/details/51593451