RecSys - DHE (Deep Hash Embedding)

论文：Learning to Embed Categorical Features without Embedding Tables for Recommendation

1. Introduction

  embedding learning 很重要，是模型的奠基石。本文面向类别特征（如id类）。但在RecSys中面临很多挑战：
   - huge vocabulary size：RecSys 中类别特征高基数维（翻译无能，原文high-cardinality）
   - Dynamic nature of input：user 和 item 对应词表实时变化，新出现老消失
  - Highly-skewed data distribution: 高倾向度的分布，对于长尾表现欠佳

  one-hot编码再查找embedding矩阵是常规操作，但词表巨大且难适应表外词，而hash会导致碰撞。而Deep Hash Embedding = multi-hash + dense抽取网络，contribution：
  - 多头hash获得编码向量取代one-hot
   - dense抽取取代embedding矩阵查找，更参数有效，且解决了可训练和表达性问题。
  - 通过在编码中集成side feature，来泛化特征值

2. one-hot编码演进

  类别特征的编码通用框架：$\overrightarrow{e}=\mathcal{T}(v)=F\circ E(v)$，其中，E将特征值映射到某特定空间中，F解码生成embedding向量$\overrightarrow{e}$

  演化：
   1. one-hot编码 + lookup：矩阵随vocabulary线性增长；新词问题
   2. hash降维 + one-hot + lookup：冲突问题
  3. multi-hash（一般k=2） + one-hot + lookup

  本质上都是基于one-hot编码和浅层神经网络（lookup <=> 1 layer）

3. DHE

3.1 Encoding Design

  需要满足以下条件：
   - 独一性：不冲突
   - 同等相似性：尤其对于id类特征，必须保证相似程度是同等的；如8二进制编码$1000_{(2)}$与9的$1001_{(2)}$比与7的$0111_{(2)}$看起来更等价，容易误导后续解码阶段
  - 高维：高维空间更易划分，便于后续解码
   - 高Shannon信息熵：简单来说每一维都要有用

3.2 Dense Hash Encoding

1. 用多个hash func 讲特征值s转为k维向量 $E(s)=[H^{(1)}(s),H^{(2)}(s)...,H^{(k)}(s)]$，每个$H^{(i)}$将s映射到{1,2…,m}
2. 为了numeric stability，神经网络input必须是典型的实值和归一化的。因此受GANs引入随机噪声生成图片启发，找到合适的转化：Uniform Distribution 和 Gaussian Distribution
3. k取很大保证高维性。计算可即时并行完成，不需要存储

3.3 Deep Embedding Network

  用神经网络来拟合框架中F的映射过程，存储在隐层参数中。不同与deep network易过拟合，deep embedding network欠拟合：
   - ReLU激活函数是分段线性的，表达不足，更换为Mish (𝑓 (𝑥)=𝑥 · tanh(ln(1 + 𝑒𝑥 )))
   - BN使训练更稳定表现更好，但dropout等正则化无效

3.4 Side Features Enhanced Encodings for Generalization

  类别特征不同值潜在特征表示不包含任何内在的相似性，因此很难扩展到其余值

  one-hot编码形式对于各特征表示的更新是独立的，视为分散结构；而DHE任何特征值表示权重更新都会影响其与特征值表示，这种集中结构能泛化的可能性更大。因此，引入side features（如泛化特征）组合起来作为模型input
（如对于每个电影，引入其影片分类，评分等）

3.5 Summary

  DHN = dense hash encoding + deep embedding network
   - dense hash encoding：完全确定的，不可学习，实时计算，不许存储
   - deep embedding network：用NN代替词表查找，缺陷在于计算。而由于网络的可变，DHE还能很好适应于online learning场景和power-law distributions （越流行模型记忆越深刻）

4. Experiment

4.1 评估

对于每种embedding分别用浅层网络GMF（Generalized Matrix Function）和MLP作为推荐模型，接受embedding作为输入，进行CTR预测。

4.2 baseline

5. Conclusion

  future work：
  - 处理multivalent特征，如词袋
   - 用DHE联合建模多个特征
   - 词表和NN结合平衡效率和表现