概述：利用用户点击历史，来给用户进行召回的u2i召回。

样本格式：按照item点击顺序组装 user1:[item1,item2,item4..];   user2:[item2,item9,item10...]

参数说明：

seq_length：序列最大长度，70。

batch_size：198。

Seq2seq模型流程：

第一步：输入n条样本序列sequence 为[198, 70]

第二步：对序列进行itemEmbedding：item_embeddings [198, 70, 64]

第三步：根据padding的个数进行posiitonEmbedding：position_embeddings[198, 70, 64]

第四步：合并item_embeddings+position_embeddings：得到sequence_emb[198, 70, 64]

第五步：sequence_emb经过两层Encoder（SelfAttention），最后一个encoder输出得到seq_out[198, 70, 64]

第六步：随机生成neg_label，合并正负样本矩阵得到label[197, 70]（padding位置随机取负样本，未padding取正样本）

第七步：求每个位置的相似度：对label使用outputs_embedding进行向量化ids_emb，seq_out与ids_emb相乘（同shape）

第八步：计算loss（详见下）

Self-Attention的实现：

第五步：对sequence_emb使用K、Q、V进行变化，分别得到mixed_key_layer、mixed_query_layer、mixed_value_layer 均为 [198, 70, 64]

第六步：把每个64维向量切成head_num个小向量，平均分成每个head。例如head=2，则query_layer [198, 2, 70, 32]

第七步：对K进行变化，点乘V得到attention_scores [198, 2, 70, 70]。 query_layer（[198, 2, 70, 32]）*key_layer_transpose（[198, 2, 32, 70]）=attention_scores（[198, 2, 70, 70]） attention_scores记录的是当前位置与其他位置的相关权重。

第七步：attention_scores缩小：attention_scores = attention_scores / math.sqrt(self.attention_head_size)

第八步：剔除穿越问题 attention_scores（[198, 2, 70, 70]） = attention_scores（[198, 2, 70, 70]）+ attention_mask（[198, 1, 70, 70]）

第九步：对attention_scores进行softmax得到attention_probs（[198, 2, 70, 70]）。#sattention_probs记录是记录当前位置与其他位置相似性的权重。

第十步：对attention_probs点乘value_layer，再合并成64维。得到context_layer（[198, 70, 64]）

十一步：再过一层Dense，得到hidden_states（[198, 70, 64]）#hidden_states后可以追加dropout

十二步：残差处理：hidden_state+input_tensor。

十三步：过LayerNorm。

说明：self.attention_head_size = int(args.hidden_size / args.num_attention_heads) # 为了使每个头能够处理相等大小的隐藏状态，需要将隐藏状态大小平均分配给每个头。

SelfAttention-Mask的实现：

• 创建两种mask：
  • subsequent_mask：（[1, 1, 70, 70]）信息是否可用矩阵。其实就是一个序列长度n*n 的方形矩阵。右上角部分是0，左下角和对角线是1（1代表当前信息可用。例如（20,2）值为1，即在进行20次输出时，第2个token的影响信息是可以使用的。（我们希望每个位置的注意力权重只受到当前位置及之前位置的影响，而不受到之后位置的影响）
  • padding_mask：（[198, 70]）序列中有padding的值为0，没有padding的值为1。
• 合并mask：attent_mask = padding_mask * subsequent_mask （只有一个为0，则值为0，[199, 1, 70, 70] *[1,1,70,70]得到[199, 1, 70, 70]）
• 转成权重：attention_mask_score = (1.0 - attention_mask) * -10000.0 （值为1起始分为0，值为0起始分为-10000）
• 应用：与attention_scores相加

attention_scores = tf.matmul(query_layer, tf.transpose(key_layer, (0,1,3,2)) )

attention_scores = attention_scores / self.norm

attention_scores = attention_scores + attention_mask_score ##

attention_probs = tf.nn.softmax(attention_scores)

模型的训练输入和输出

loss, logits, seq_embed = self.model.fit_city(input_ids, label, weights=hot_weight)

• • input_ids：(196, 70)，也就是196条样本，每条样本是长度为70的序列，被点击序列。
  • label：(196, 70)，196条样本，每条样本有最多有70个label（实际长最多69个）。
  • hot_weight：其实就是input_id中每个节点（元素）对应的权重值（小于0）。（item节点的度越大，被抽样的概率越大）

损失函数

总结：正样本就是当前序列的预测拟合当前位置的label，负样本为当前位置的其他样本的label（batch内负采样）。

• weights = tf.convert_to_tensor(weights) * attention_mask # attention_mask是padding矩阵，最终weights有padding位置值为0，其他为小于0的一个权重值。
• loss计算流程总结：
• seq_out:(200,70,64) 代表200个序列，在不同位置都预测了一个输出，他们在每一个位置都对应一个label。所以label也是(200,70,64)。
• pos_logits：是序列中某个位置的预测和label之间的logit，也就是对角线上的相似度。

pos_logits, logits = self.bert_logits(sequence_output, label, weights)

#计算正样本和全部样本的损失当做loss

loss = self.softmax(pos_logits, logits, tf.transpose(attention_mask)) #attention_mask 是是否padding的矩阵。



"""

bert_logits 函数的作用是计算序列输出与目标序列的对应位置的相似度得分。



softmax：

正样本：预测当前位置的label的logit。

负样本：把原本的概率相乘转换为概率相加。？？？

"""

def bert_logits(self, seq_out, ids, weights=None): # seq_out:(200,70,64) ids:(200,70)

ids_emb = self.outputs_embedding(ids, 'sample') # ids_emb:(200,70,64)

seq_out, pos_emb = seq_out, ids_emb

# 输出向量与真实向量，在每个位置（1~70）上的相似度。第2、3个维度表示seq_out、pos_emb中的样本序列长度。

logits = tf.einsum('bld,mld->lbm', seq_out, pos_emb) # logits:(70,200,200)

# weight (200,70）表示为每个位置上的初始权重值，padding的位置为0，无padding的值为一个负数。

if weights is not None:

logits = logits - tf.transpose(tf.expand_dims(weights, 1), (2, 1, 0))

pos_logits = tf.linalg.diag_part(logits) # 提取矩阵对角线上的元素 (70,200,200)-> (70,200)

return pos_logits, logits





def softmax(self, pos_logits, logits, mask=None, weight=1.0): # pos_logits: (70,200) 不同位置下，n样本的相似度。

if mask is None:

mask = tf.ones_like(pos_logits)

loss = -tf.reduce_sum((pos_logits * mask * weight))

loss += tf.reduce_sum((tf.math.log(tf.reduce_sum(tf.exp(logits), axis=-1)) * mask * weight))

return loss / tf.reduce_sum(mask)



说明：计算softmax时 把当前样本 当前位置的预测与当前样本当前位置的label计算得到pos_logits当做正样本收益，

把当前样本 当前位置的预测与其他样本的的当前位置的label计算得到叫负收益neg_logits（负收益需要e次方，在加和）

mask：是由padding的矩阵进行transpose得到，即从“n个样本，每个位置是否mask”变成了“n个位置，每个样本是否mask“

Predict流程：

• 获取user信息和user点击序列
• 执行模型call函数，得到每个user最后一个位置的向量表征；item来自与outputs_embedding。
• 把两种向量concat，保存在本地npz。

Recall流程：

• 读取主动方被动方向量：
• 被动方（geek）建索引：faiss.IndexFlatIP(self.geek_embedding.shape[1]).add(self.geek_embedding)。
• 查询每个user相似的topK，并剔除已点击的item：index.search(self.boss_embedding[i:i + 1],int(self.top_n * 24 + 3 * len(visited))

其他：

• Seq2seq模型有3个Embedding层：item_embeddings（输入id），outputs_embedding（预测label的Embedding），position_embeddings（位置编码）

# csr的adj.indptr[i] - adj.indptr[i+1]表示提取当前行中所有非零元素的列索引，减去user_id，即得编码后的item_id

visited = set([self.datasets.adj.indices[j] - self.datasets.n_user for j in range(self.datasets.adj.indptr[i], self.datasets.adj.indptr[i + 1])])