一、业务背景
点击率（click-through rate, CTR）预估的本质是对用户/商品建模，进而计算用户的点击概率。模型的衍变经历了从经典机器学习LR、FM再到深度学习DNN、Wide&Deep、双塔、DIN等的百花齐放。本文将针对应用宝的推荐场景，展开CTR模型探索优化。
应用宝推荐业务主要包括首页推荐、游戏推荐等，与常见信息流推荐（新闻/视频）不同，本场景下的数据分布具有明显的差异：
App曝光频次差异巨大：头部app曝光占比很高，长尾app曝光严重不足；
用户行为极其稀疏：用户月下载中位数、平均数较少。
面对着以上问题，当前的推荐模型主要面临着以下挑战：
在训练样本稀缺的情况下，如何保证低频特征（e.g., 长尾appid）的充分学习；
鉴于用户行为极其稀疏，如果更精准地捕捉用户的兴趣偏好。
本文主要针对以上挑战，在当下深度CTR预估模型的基础上展开模型优化探索，通过引入更长周期用户行为和app描述文本信息，并进一步挖掘用户行为兴趣，有效促进了推荐效果提升。
二、基本框架
应用宝的整体推荐流程如下图所示，从底层数据流抽取特征，经过召回、排序以及重排，最终应用到实际业务场景中。本文主要针对排序模型优化。
排序模型我们以业内广泛使用的Wide&Deep模型作为baseline，其中，Wide侧具有记忆能力，能够记住高频特征组合，达到准确推荐的目的；Deep侧为了弥补交互矩阵稀疏的不足，将特征映射到低维向量表示，经过多层神经网络，使模型具有泛化能力。
三、多行为融合训练
在我们的场景中拥有很多appid 相关的行为特征，例如用户历史点击、下载、安装等，基本的Wide&Deep框架会将每个行为特征映射到单独的embedding，并单独更新。
由于每一类特征的用户行为记录十分稀疏，这种操作会造成低频特征embedding的训练不充分。
针对于此，我们设计了基于appid embedding共享的多行为融合训练机制，体现在模型中为Deep侧的appid embedding聚合共享。
由于appid类的特征较多，在实际选取时，我们主要利用了用户的实时行为特征和短期行为特征，避免了由安装/卸载记录带来的数据噪音。
Wide&Deep中embedding参数约占总量的95%，通过特征共享，参数量从2800w降低到了2000w，在模型保存和训练速度方面均有一定的优化。
效果方面，我们主要考虑离线auc和copc（pcvr/cvr，反映模型打分偏差），经过特征共享的模型效果在auc上基本持平，而在copc指标上得到了明显的优化，一定程度上缓解了模型的打分偏差。
由于我们的特征中用户行为只涵盖了15天内近30个app的记录，对于低频app依然没有充足的学习样本，那么应该如何优化呢？
四、引入更长周期用户行为
一种自然的想法便是引入更长周期的用户行为记录。近年来，以DeepWalk, Graphsage为代表的图模型能够较好地捕捉用户的长周期行为特点。
我们根据用户过去30天内的下载行为进行构图，考虑到用户在同一天中的下载序列无明显的先后关系，构建了基于共线下载的无向图，接着训练随机游走模型生成预训练的deepwalk appid embedding，作为先验信息指导排序模型优化。
在共享appid embedding的基础上，我们尝试了多种训练策略。
固定初始化：直接将预训练的deepwalk appid embedding赋值给共享appid embedding；
初始化微调：在1的基础上进行参数微调；
特征蒸馏：引入辅助loss，度量学习得到的embedding与预训练embedding的相似度（向量点积）。
从效果来看，只有初始化微调的方式会带来一定的效果提升，说明经过deepwalk训练的embedding和wide&deep训练的embedding在向量分布上是有差异的。
但目前为止auc的提升还很微弱，即使我们引入了30天甚至更久的用户行为数据，对于一些低频app依然无法充分学习，那是否还有外部信息可以利用呢？
五、引入APP描述文本信息
Deepwalk的训练本质是从用户行为信息中发掘app间的相似关联，若直接从app自身的属性信息（e.g., 标题、描述文本）出发，是否也能发现相似的规律？
近年来，以BERT为代表的预训练语言模型在文本表示方面取得了巨大的成功，我们将每个app的标题和描述文本作为输入训练tag分类模型，得到一个高维（768维）的向量表示，尝试指导Wide&Deep中的appid embedding学习。
由于Wide&Deep模型规模的限制以及前期的经验，我们的embedding size往往很小（30维/60维），更高的维度会导致效果下降，所以需要探索一种有效的降维方式。
这里我们主要尝试了外部pca降维和内部通过全连层自动学习的降维方式，实验表明，在网络中进行端到端自动学习的降维方式更有效果。
六、预训练embedding融合
为了更直观地展现embedding分布，我们对deepwalk和bert预训练的embs分别进行了tsne可视化。
下图中不同的颜色表明不同的一级类目，二者均呈现了明显的类目空间聚集性，同类目的app自然地聚集到了一起。
同时两者的embedding分布也具有空间差异性，比如，bert可视化图中的左下角部分是视频类app，而deepwalk是出行类app。
鉴于二者的差异性，我们的做法是将其分别做投影变换，投影到同一向量空间中，这里投影变换的参数随网络一起学习。融合embedding的方式则为拼接或相加。
模型的整体框架图如下：
从实验效果来看，向量投影拼接的方式具有更好的表现：
为了进一步展示加入deepwalk/bert外部预训练embedding的效果，我们接着进行了tsne可视化，其中左边为wide&deep appid embedding的可视化表示，右边是融合embedding的可视化表示，可以发现app的分布从杂乱无序学到了呈现明显的聚簇，具有了一定的可解释性。
通过这个实验，我们已经知道app embs的初始化不同会对模型结果产生影响，那么它们分布的具体聚簇是否与模型效果有着严格的相关性，还需要更多的探索求证。
七、基于attention的用户行为挖掘
用户的历史行为对当前app推荐具有直观的影响，如下图中，同样的历史点击序列，对不同app的影响大小不同。
下图是用户近72h内同类目app点击次数（match特征）与cvr的关系，我们可以发现，用户历史点击的同类目app次数越多，当前app的cvr也就越高。
图中从123级类目由粗至细定位了用户的兴趣。但同类目的限制往往比较严苛，有时相关的app可能不在同一类目下（e.g., 和平精英、腾讯地图），而且用户的兴趣也更加广泛。
于是我们使用基于attention的方式对用户行为进行挖掘，希望可以从一定程度上缓解同类目限制所带来的泛化性弱的问题。但由于用户行为序列极短，一般的attention操作是否适用呢?
首先我们进行了一组基础attention的实验，额外引入app embedding作为query，对用户行为序列进行attenion 操作，具体公式和图示如下：
从效果来看，随机初始化query embedding的attention操作甚至会使效果变差，而且模型的训练过程往往第二个epoch开始就出现了过拟合。受上一步工作的影响，我们认为app embs query和key的初始化也对模型有着极大的影响。
下图中展示了在i2i召回中，app相似度和cvr的关系。横坐标表示当前app和用户历史app的cos相似度的log值，蓝线表示cvr。
我们发现app召回中，cvr随着相似度的增加而增加，用户总是倾向于喜欢与他历史行为app相似的app。
体现在deepwalk/bert的融合embedding中，由于相似app具有明显的聚集性，它们的点乘得分也高。
在attention中，我们添加了以dw+bert融合向量为初始化embedding的点乘打分方式，最终效果auc效果提升明显。
八、结语
综上，本文针对应用宝推荐场景下的两大挑战（app曝光差异大、用户行为少），从两方面对现有的深度CTR模型进行了改进：
第一，引入了基于Deepwalk的长周期用户行为挖掘和基于BERT的app文本描述信息增强。
第二，利用attention机制挖掘用户的历史行为序列，并融合外部embedding，实现用户兴趣发掘。
