【Paper Note】MaskNet论文详解

曾经终败给现在 2022-11-19 05:29 246阅读 0赞

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70]

### 文章目录 ###

*   *   *  Introduction
         *  Model
         *   *  Embedding Layer
             *  Instance-Guided Mask
             *  MaskBlock
             *  MaskNet
             *  Prediction Layer
         *  Experiment
         *  Reference

### Introduction ###

FNN、DeepFM、xDeepFM这类浅层网络对交叉特征建模，从而达到较好的推荐结果，但一些研究表明，前馈网络在捕获交互特征方面效率低下。

为了解决上述问题，论文提出了一种MaskBlock结构作为基本单元，设计MaskNet的网络，提出了串行MaskBlock和并行MaskBlock网络结构，在3个公开数据集上，MaskNet都表现最好，说明MaskBlock可以显著提升DNN挖掘复杂交互特征的能力。

MaskBlock结构，由3个部分组成，分别为instance-guided mask，layer normalization，feed forward layer。这种结构把标准的DNN扩展为包含可加可乘的交互特征结构。

其中instance-guided mask方法，在DNN中的特征嵌入层和前馈层同时使用element-wise product，提取全局上下文信息，动态地融入到特征嵌入层和前馈层，突出重要的特征。

### Model ###

#### Embedding Layer ####

embedding layer和我们常规的相似，分别对sparse feature和dense feature进行基础的处理。

sparse feature：直接进行embedding转成k维特征  
 e i = W e x i (1) e\_i=W\_ex\_i \\tag\{1\} ei=Wexi(1)  
dense feature：通过乘一个k维向量转成特征  
 e j = V j x j (2) e\_j=V\_jx\_j \\tag\{2\} ej=Vjxj(2)

将每个特征concat操作，获得一个f\*k维的特征向量，f为特征数量：  
 V e m b = c o n c a t ( e 1 , e 2 , … , e i , … , e f ) (3) V\_\{emb\}=concat(e\_1,e\_2,\\dots,e\_i,\\dots,e\_f) \\tag\{3\} Vemb=concat(e1,e2,…,ei,…,ef)(3)

#### Instance-Guided Mask ####

Instance-Guided Mask，充分利用了输入样本得到的全局上下文信息，对特征层和前馈层中重要的包含信息的特征进行强化，在DNN中引入了乘法操作，使得模型更加有效的捕捉到复杂的交互特征。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 1]  
Aggregation Layer：一个wider layer，有效的从input instance中提取全局上下文信息

Projection Layer：把维度降到和embedding layer或hidden layer的维度

上面两层实际上是FC层  
 V m a s k = W d 2 ( W d 1 V e m b + β d 1 ) + β d 2 (4) V\_\{mask\}=W\_\{d2\}(W\_\{d1\}V\_\{emb\}+\\beta\_\{d1\})+\\beta\_\{d2\} \\tag\{4\} Vmask=Wd2(Wd1Vemb\+βd1)\+βd2(4)  
其中， V e m b ∈ R m = f ∗ k V\_\{emb\}\\in R^\{m=f\*k\} Vemb∈Rm=f∗k， W d 1 ∈ R t ∗ m W\_\{d1\}\\in R^\{t\*m\} Wd1∈Rt∗m， W d 2 ∈ R z ∗ t W\_\{d2\}\\in R^\{z\*t\} Wd2∈Rz∗t。 t 和 z 分别是两层网络的神经元数量，Projection Layer的维度要等于embedding层或hidden层，所以 t >= z，这里设置一个超参数 r = t / z 来控制两层网络神经元的数量，后续会对 r 不同取值做验证

使用element-wise product来融合全局上下文信息  
 V m a s k e d E M B = V m a s k ⊙ V e m b (5) V\_\{maskedEMB\}=V\_\{mask\}\\odot V\_\{emb\} \\tag\{5\} VmaskedEMB=Vmask⊙Vemb(5)  V m a s k e d H I D = V m a s k ⊙ V h i d d e n (6) V\_\{maskedHID\}=V\_\{mask\}\\odot V\_\{hidden\} \\tag\{6\} VmaskedHID=Vmask⊙Vhidden(6)  
这个逐元素乘积操作类似Hadamard Product，向量对应位置元素相乘：  
 V i ⊙ V j = \[ V i 1 ⋅ V j 1 , V i 2 ⋅ V j 2 , ⋯   , V i u ⋅ V j u \] (7) V\_i \\odot V\_j=\[V\_\{i1\}\\cdot V\_\{j1\},V\_\{i2\}\\cdot V\_\{j2\}, \\cdots,V\_\{iu\}\\cdot V\_\{ju\}\] \\tag\{7\} Vi⊙Vj=\[Vi1⋅Vj1,Vi2⋅Vj2,⋯,Viu⋅Vju\](7)  
instance-guided mask可以被看作为一种特殊的bit-wise attention或者是gate结构。 V m a s k V\_\{mask\} Vmask 可以直接看作为每一个bit的权重，可以加强重要的特征，减弱噪声对模型的影响。

**instance-guided mask优点**：

1.将逐元素乘积运算引入到DNN中，能够更有效地获取复杂的特征交互  
2.强化重要特征，减弱噪声

#### MaskBlock ####

由instance-guided mask、layer normalization、hidden layer组成

**layer normalization**：进行z-score标准化  
 h = g ⊙ N ( x ) + b (8) h = g \\odot N(x)+b \\tag\{8\} h=g⊙N(x)\+b(8)  
其中， N ( x ) = x − μ δ N(x)=\\frac\{x-\\mu\}\{\\delta\} N(x)=δx−μ， μ = 1 H ∑ i = 1 H x i \\mu=\\frac\{1\}\{H\} \\sum\_\{i=1\}^\{H\} x\_i μ=H1∑i=1Hxi， δ = 1 H ∑ i = 1 H ( x i − μ ) 2 \\delta=\\sqrt\{\\frac\{1\}\{H\}\\sum\_\{i=1\}^\{H\}\{(x\_i-\\mu)^2\}\} δ=H1∑i=1H(xi−μ)2  
其中， h h h 是layer normalization层的输出， ⊙ \\odot ⊙ 是主元素乘法操作， μ \\mu μ 和  δ \\delta δ 分别是输入数据的均值和标准差，  b b b 和  g g g 是同  H H H 维度相同的参数。

for embedding layer：  
相当于把每个特征当作一个layer进行layer normalization，之后concat  
 L N \_ E M B ( V e m b ) = c o n c a t ( L N ( e 1 ) , L N ( e 2 ) , ⋯   , L N ( e i ) , ⋯   , L N ( e f ) ) (9) LN\\\_EMB(V\_\{emb\})=concat(LN(e\_1),LN(e\_2),\\cdots,LN(e\_i),\\cdots,LN(e\_f)) \\tag\{9\} LN\_EMB(Vemb)=concat(LN(e1),LN(e2),⋯,LN(ei),⋯,LN(ef))(9)  
for hidden layer：  
 L N \_ H I N ( V h i d d e n ) = R e L U ( L N ( W i X ) ) (10) LN\\\_HIN(V\_\{hidden\})=ReLU(LN(W\_iX)) \\tag\{10\} LN\_HIN(Vhidden)=ReLU(LN(WiX))(10)  
**MaskBlock on Feature Embedding**：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 2]  
 V m a s k e d E M B = V m a s k ⊙ L N \_ E M B ( V e m b ) (11) V\_\{maskedEMB\}=V\_\{mask\}\\odot LN\\\_EMB(V\_\{emb\}) \\tag\{11\} VmaskedEMB=Vmask⊙LN\_EMB(Vemb)(11)  V o u t p u t = L N \_ H I D ( W i V m a s k e d E M B ) = R e L U ( L N ( W i ( V m a s k ⊙ L N \_ E M B ( V e m b ) ) ) ) (12) \\begin\{aligned\}V\_\{output\} &= LN\\\_HID(W\_iV\_\{maskedEMB\}) \\\\ &=ReLU(LN(W\_i(V\_\{mask\}\\odot LN\\\_EMB(V\_\{emb\})))) \\end\{aligned\} \\tag\{12\} Voutput=LN\_HID(WiVmaskedEMB)=ReLU(LN(Wi(Vmask⊙LN\_EMB(Vemb))))(12)  
**MaskBlock on MaskBlock**：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 3]  
 V m a s k e d H I D = V m a s k ⊙ V o u t p u t p (13) V\_\{maskedHID\}=V\_\{mask\}\\odot V\_\{output\}^\{p\} \\tag\{13\} VmaskedHID=Vmask⊙Voutputp(13)  V o u t p u t = L N \_ H I D ( W i V m a s k e d H I D ) = R e L U ( L N ( W i ( V m a s k ⊙ V o u t p u t p ) ) ) (14) \\begin\{aligned\} V\_\{output\} &= LN\\\_HID(W\_iV\_\{maskedHID\}) \\\\ &=ReLU(LN(W\_i(V\_\{mask\}\\odot V\_\{output\}^\{p\}))) \\end\{aligned\} \\tag\{14\} Voutput=LN\_HID(WiVmaskedHID)=ReLU(LN(Wi(Vmask⊙Voutputp)))(14)

#### MaskNet ####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 4]  
Serial MaskNet结构类似RNN，能够对交互信息不断强化，最后一个MaskBlock模块的输出作为Prediction Layer的输入进行计算

Parallel MaskNet则是将多个MaskBlock并行，相当于多个expert提取交互信息，再将所有的输出进行concat，经过hidden layer

#### Prediction Layer ####

y ^ = δ ( w 0 + ∑ i = 1 n w i x i ) (15) \\hat\{y\}=\\delta(w\_0+\\sum\_\{i=1\}^\{n\}\{w\_ix\_i\}) \\tag\{15\} y^=δ(w0\+i=1∑nwixi)(15)  
loss function: logloss  
 L = − 1 N ∑ i = 1 N y i log ⁡ ( y ^ i ) + ( 1 − y i ) log ⁡ ( 1 − y ^ i ) (16) L=-\\frac\{1\}\{N\}\\sum\_\{i=1\}^\{N\}\{y\_i\\log(\\hat\{y\}\_i) + (1-y\_i)\\log(1-\\hat\{y\}\_i)\} \\tag\{16\} L=−N1i=1∑Nyilog(y^i)\+(1−yi)log(1−y^i)(16)  L = L + λ ∣ ∣ Θ ∣ ∣ (17) \\frak\{L\}=L+\\lambda||\\Theta|| \\tag\{17\} L=L\+λ∣∣Θ∣∣(17)

### Experiment ###

在三个公开数据集上的表现：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 5]  
两种MaskNet网络在不同数据集上面各有优势，但整体都要比其他模型更好

论文中也做了移除MaskBlock结构中的某个部分，进行验证：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 6]

结果说明：使用MaskBlock完整结构的效果最好，单元中每个部分对于提取交互特征都由正向收益

几个超参的调优

**embedding size**：

SerMaskNet：50左右最佳

ParaMaskNet：30左右最佳 -----------整体变化不大  
![在这里插入图片描述][20210414195743184.png]  
**block num**：

SerMaskNet：block num=5时最优

ParaMaskNet：block num越大越好 ==> 多个MaskBlock会提高模型性能，但时间成本会增加  
![在这里插入图片描述][20210414195809271.png]  
reduction ratio（r）：

不同的r对于指标影响不大  
![在这里插入图片描述][20210414195826515.png]

### Reference ###

论文地址：https://arxiv.org/abs/2102.07619

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70]: /images/20221022/c39c44983d924a5dba6e21196c27bbf6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 1]: /images/20221022/8cb5274732b144409178587eed00fbc5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 2]: /images/20221022/3165e9a6ee8445f4a19d6d7aa1f8cbe3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 3]: /images/20221022/6ee9cbb7403a453789b2d46235c43078.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 4]: /images/20221022/1ebcd47fe21544898d87597b03210cf5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 5]: /images/20221022/c978372fbf6b4c23be5ddb976850e984.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3JvZ3Vlc2ly_size_16_color_FFFFFF_t_70 6]: /images/20221022/a08ce40c2bf245de9059d2615c3506d5.png
[20210414195743184.png]: /images/20221022/22d9c092d6074136aff4014b78f8bc60.png
[20210414195809271.png]: /images/20221022/181fd7e73cbc484d9f81a8c3847500a0.png
[20210414195826515.png]: /images/20221022/e028df649ff3497dbb8215c22394ff88.png