1.介绍
本文讲解的是youtube发表在Recsys 2019的文章
“Recommending What Video to Watch Next: A Multitask Ranking System”
文章是关于推荐系排序模块的设计，算是wide&deep model的进阶，并针对Multitask Learning和Selection Bias做了模型层面的优化。
2.模型结构
文章抛出了几个推荐系统ranking模型比较经典的问题。
1.多目标优化 推荐系统往往存在很多优化目标，甚至是互相冲突的优化目标。
2.选择偏差或者说feedback Loop 最常见的就是位置偏差，位置靠前的item会有更高的点击率，模型学习出了这种模式，形成一个反馈循环闭环。导致模型学习偏差或者说马太效应越来越严重。
所以文章模型的构造基于这两块，对wide&deep model进行了改造。
1.使用一个shallow tower网络单独拟合选择偏差。如位置偏差最为经典常见。
2.使用MMOE网络结构来解决多目标优化。如视频推荐中的点击，观看，分享等。作者将目标分为两大类，1.参与度：点击，观看。2。满意度：喜欢，不喜欢等。
整体的网络结构如下：
具体可以分为以下两块个块：
1.shallow tower网络 直接学习偏差的输出，并讲输出logit和主模型相加，来缓解主模型因选择偏差带来的影响。
2.main tower网络 主模型和原来的MMOE不一样的是，这里模型考虑到底层特征维度过大，所以并不是底层直接上来就是到MMOE，而是还是底层共享原始特征Embedding。然后在embedding层上加入MMOE模块。再分别学习不同的目标。
3.网络输出 shallow tower的输出作为位置偏差信息会和engagement目标的输出相加。因为位置偏差带来的影响主要还是一些点击，观看之类的。具体后续的一些满意度，如分享，位置偏差的影响可能并不是很大。
4.服务 具体服务的时候，可以将位置偏差设置为空，其他的如设备号之类的正常传入即可。
3.代码实现
具体的文章讲解这里不再多说了，网上很多详细的讲解。看完文章感觉还不错，所以复现了一下，看这里：
youtube_net 代码实现地址
⚠️：代码只是实现了文章的大概思想，具体的细节并没有care，如为了图个简单，代码中的一些bias项，dropout都还没见加，后续会慢慢加上去。我自己的测试代码使用的两个目标是ctr和cvr，并且这两者都属于engagement目标，所以都加上了shallow logit。
核心代码如下，代码中加了注释：
def _model_fn(self):
output_layers = []
'''shallow_tower_logit是学习的选择偏差'''
self.shallow_tower_layer = self.get_input_layer(self.Shallow_Features)
self.shallow_tower_logit = tf.layers.dense(self.shallow_tower_layer, units=1)
'''embedding_layer是原始特征的embedding输出，直接输入mmoe网络结果'''
mmoe_layers = self.mmoe_net(self.embedding_layer,units=8,experts_num=2)
for index ,task_layer in enumerate(mmoe_layers):
'''针对每一个任务再过一层MLP，并将shallow塔学习出来的偏差logit加入'''
tower_layer = tf.layers.dense(task_layer,units=5,activation='relu',kernel_initializer=tf.initializers.variance_scaling())
output_layer = tf.layers.dense(tower_layer,units=1,name='logits_{}'.format(str(index)),kernel_initializer=tf.initializers.variance_scaling())
logit = tf.sigmoid(tf.add(output_layer,self.shallow_tower_logit))
output_layers.append(logit)
return output_layers
感兴趣的可以上github看看详细的代码。
4.参考
[1] Recommending what video to watch next: a multitask ranking system.