SIGIR'23 | 推荐系统中利用强化学习对embedding维度进行搜索

参考论文：Continuous Input Embedding Size Search For Recommender Systems 链接：https://arxiv.org/pdf/2304.03501.pdf 学校：昆士兰 会议：SIGIR 23

1.引言

隐语义模型因其出色的性能，成为了当前推荐系统最受欢迎的结构。隐语义模型将用户和item表征为实值embedding向量用于pairwise相似性计算，并且所有的embedding都限制为固定的较大维度(例如：256维)，随着如今电子商务中用户基础和商品类型呈指数级增长，这种设计无疑使得内存使用率低下。为了适应轻量级推荐系统，强化学习(RL)最近为识别不同的embedding维度创造了机会。然而，受到搜索效率和学习最佳RL策略的挑战，现有基于RL的方法仅限于高度离散的、预定义的embedding维度筛选，这很大程度上忽略了，在给定内存预算下引入更精细粒度embedding维度以获得更好的推荐效果的问题。本文提出在连续搜索空间上的embedding维度搜索(CIESS, continuous input embedding size search)，一种新型的RL方法，在具有任意embedding维度的连续搜索空间上进行维度选择。在CIESS中，进一步提出了一种创新的基于随机游走的探索策略，允许RL策略有效地探索更多的候选维度并且更易收敛。CIESS也是模型不感知的，因此可以泛化到更多的隐语义模型中。实验结果显示，CIESS在两个真实数据集上都获取sota结果

2 方法

CIESS有两个主要部分在训练期间交替工作: (1)由参数

组成的推荐模型F，(2)由参数

组成的基本RL的搜索函数G。CIESS工作流程如图，在每个优化迭代步骤中，推荐系统F调整用户item的embedding维度为策略G提供输入，并根据训练样本更新参数

，然后，F在固定的数据集上进行评估，其中top-k推荐结果可以由常用的指标来衡量，基于推荐结果，搜索函数G被重新修改，然后下一次迭代更新每个用户item的embedding维度

2.1 Mask embedding的基础推荐结构

设U和V分别代表用户集和item集，它们实值embedding向量存储在E中，E可以被看成是所有用户和item的拼接，即

, 其中初始embedding表中所有用户item的总维度为d，换言之，d也是搜索空间中的最大维度。通过执行embedding查找，可将每个用户item映射到实值向量

和

。为使embedding维度可以调整，引入一个二进制掩码 M ∈ {0, 1}，在embedding查找时与E相乘：

其中M根据当前策略动态更新，以控制每个embedding向量的可用维度。给定特定用户item的自动学习维度

，相应掩码向量

的第s个元素定义为：

通过掩码M，对于每个用户item，我们可以保留其完整embedding的前

元素，同时将所有后续维度设置为0。值得注意的是，在轻量级推荐系统中通过用0掩盖不需要的维度来执行嵌入稀疏化是一种普遍采用的方法，作为结果的embedding表可以利用最新的稀疏矩阵存储技术，这些技术为存储0值条目带来的成本可以忽略不计。获取用户item的稀疏表征之后，推荐模型F可以得到一个分数表示用户对item的喜好程度

2.2 基于强化学习进行连续embedding维度的搜索

现在基础推荐器可以通过掩码稀疏化来适应不同的embedding维度，则开始使用G搜索最佳embedding维度。为了从连续空间中有效地学习高质量的embedding维度搜索策略，本节通过展示对环境(environment)、状态(state)、动作(action)、奖励(reward)、参与者(Actor and Critic)的设计来介绍在RL中的解决方案 和评论家。

在优化过程中，环境(environment)接收动作(action)(即所有用户item的embedding维度），提供关于内存成本和推荐性能的反馈(reward)，并更新其状态以进行后续动作预测。状态s是策略网络(即 CIESS 中的参与者)的输入，它驱动每个用户/项目特定embedding维度的决策。已有方法表明，用户item的当前embedding维度决策在为策略网络提供后续搜索的上下文方面是有效的。本文方法继承这个设计前提下多了一个质量指标a记录当前策略下的推荐准确率波动，即：

其中，

代表用户item的流行度，

代表embedding维度，

量化当前embedding维度从

减少到

推荐质量的变化。将此质量指标纳入状态能够帮助追踪从最近的动作(即embedding维度)到推荐有效性的影响，这可以鼓励策略网络是从一个巨大的、连续的动作空间中选择embedding维度以更好地平衡内存成本和性能。表示为：

2.3 稀疏embedding的选择性再训练

伪代码如下

3 实验结果