bst.md

BST

简介

利用近年因 Transformer 而备受关注的 Multi-head Self-attention，捕捉用户行为序列的序列信息。支持多组序列共同embedding，如hist_item_id, hist_category_id。目前结合multitower共同使用，bst部分作为multitower的一个塔。

模型配置

model_config:{
  model_class: "MultiTowerBST"
  feature_groups: {
    group_name: 'user'
    feature_names: 'user_id'
    feature_names: 'cms_segid'
    feature_names: 'cms_group_id'
    feature_names: 'age_level'
    feature_names: 'pvalue_level'
    feature_names: 'shopping_level'
    feature_names: 'occupation'
    feature_names: 'new_user_class_level'
    wide_deep: DEEP
  }
  feature_groups: {
    group_name: 'item'
    feature_names: 'adgroup_id'
    feature_names: 'cate_id'
    feature_names: 'campaign_id'
    feature_names: 'customer'
    feature_names: 'brand'
    feature_names: 'price'
    feature_names: 'pid'
    wide_deep: DEEP
  }
  seq_att_groups: {
    group_name: "bst"
    seq_att_map: {
       key: "brand"
       hist_seq: "tag_brand_list"
    }
    seq_att_map: {
       key: "cate_id"
       hist_seq: "tag_category_list"
    }
  }
  multi_tower {
    towers {
      input: "user"
      dnn {
        hidden_units: [256, 128, 96, 64]
      }
    }
    towers {
      input: "item"
      dnn {
        hidden_units: [256, 128, 96, 64]
      }
    }
    bst_towers {
      input: "bst"
      seq_len: 50
      multi_head_size: 4
    }
    final_dnn {
      hidden_units: [128, 96, 64, 32, 16]
    }
    l2_regularization: 5e-7
  }
  embedding_regularization: 5e-5
}

• model_class: 'MultiTowerBST', 不需要修改。
• feature_groups: 可配置多个feature_group，group name可以变。
• seq_att_groups: 可配置多个seq_att_groups。
  • group name
  • seq_att_map: 需配置key和hist_seq，一一对应。
• multi_tower: multi_tower相关的参数。
  • towers: 每个feature_group对应了一个tower。
    • input必须和feature_groups的group_name对应
    • dnn: deep part的参数配置
      • hidden_units: dnn每一层的channel数目，即神经元的数目
  • bst_towers: 每个seq_att_groups对应了一个bst_tower。
    • input必须和seq_att_groups的group_name对应
    • seq_len: 历史序列的最大长度
    • multi_head_size: Multi-head Self-attention 中的 head size
  • final_dnn 整合towers和din_towers的输入。
    • hidden_units: dnn每一层的channel数目，即神经元的数目
• embedding_regularization: 对embedding部分加regularization，防止overfit

示例config

BST_demo.config

参考论文

Behavior Sequence Transformer