Skip to content

Latest commit

 

History

History
 
 

dien

README.md

基于DIEN模型的点击率预估模型

AI Studio在线运行环境

以下是本例的简要目录结构及说明：

├── data #样例数据
    ├── train_data
        |—— sample_data #样例数据

├── __init__.py
├── README.md #文档
├── config.yaml # sample数据配置
├── config_bigdata.yaml # 全量数据配置
├── net.py # 模型核心组网（动静统一）
├── din_reader.py #数据读取程序
├── dygraph_model.py # 构建动态图
|── static_model.py # 构建静态图

注：在阅读该示例前，建议您先了解以下内容：

paddlerec入门教程

内容

模型简介

CTR(Click Through Rate)，即点击率，是“推荐系统/计算广告”等领域的重要指标，对其进行预估是商品推送/广告投放等决策的基础。本模型实现了下述论文中提出的rank模型：

@inproceedings{
  title={Deep Interest Evolution Network for Click-Through Rate Prediction},
  author={Guorui Zhou, Na Mou, Ying Fan, Qi Pi, Weijie Bian, Chang Zhou, Xiaoqiang Zhou, Kun Gai},
  year={2019}
}

DIEN模型引入GRU-Attention兴趣学习机制，设计局部激活单元，刻画用户兴趣。 从用户关于某个物品的历史行为数据中，学习用户的兴趣表达。 不同的商品/广告兴趣向量不同，从而提高模型的表达能力。

此外，本文提出小批量正则与数据自适应激活功能， 提高了工业级百亿级数据模型训练速度。

数据准备

此模型训练和预测涉及：用户历史点击商品序列、用户历史点击品类序列、推荐广告商品序列、推荐广告商品品类、点击标记；

每行的格式为： 用户历史点击商品序列、用户历史点击品类序列、推荐广告商品序列、推荐广告商品品类、点击标记 以上5项用分号分割； 用户历史点击商品序列中，商品间用空格隔开； 用户历史点击品类序列中，品类间用空格隔开；

数据处理中， 对于序列数据，我们以最长序列长度为准，将其他序列长度补齐，方便数据对齐过程中做计算； 同时，采用mask矩阵，对于补齐的网格部分，初始化为-INF，从而在sigmoid后，使之失效为0；

在模型目录的data/train_data/sample_data.txt目录下为您准备了快速运行的示例数据

运行环境

PaddlePaddle>=2.0

python 3.5/3.6/3.7

os : windows/linux/macos

快速开始

本文提供了样例数据可以供您快速体验，在dien模型目录的快速执行命令如下：

# 进入模型目录
cd models/rank/dien 
# 动态图训练
python -u ../../../tools/trainer.py -m config.yaml 
# 动态图预测
python -u ../../../tools/infer.py -m config.yaml 

# 静态图训练
python -u ../../../tools/static_trainer.py -m config.yaml 
# 静态图预测
python -u ../../../tools/static_infer.py -m config.yaml

其中yaml文件的超参数解释如下：

item_emb_size: 商品的embedding维度
cat_emb_size:  品类的embedding维度
item_count: 商品的种类数目
cat_count:  品类的种类数目

Loss及Acc计算

  • 本文采用AUGRU及模型组网，采用sigmoid激活函数
  • 预测的结果为一个sigmoid向量，表示推荐的商品广告被用户点击的概率
  • 样本的损失函数值由CTR_loss和Auxiliary_loss叠加组成，同时计算预测的auc

效果复现

数据集获取及预处理

为了方便使用者能够快速的跑通每一个模型，我们在每个模型下都提供了样例数据。同时，我们提供了全量数据生成的脚本，将会自动下载amazon eletronics dataset全量数据集并转换为模型能接受的 输入格式。

  • 处理好的原始数据集下载执行方法：
cd ./PaddleRec/datasets/amazonElec_Din
sh run.sh
  • 或自行进行原始数据下载预处理，执行方法如下：
cd ./PaddleRec/datasets/amazonElec_Din
sh data_process.sh
python build_dataset.py
# 脚本运行完成后，打开config.txt，将其中的商品的种类数目（第二行数值）、品类的种类数目信息（第三行数值），
# copy到config_bigdata.yaml里，替换超参数item_count cat_count

模型训练及效果复现

在全量数据下模型的指标如下：

模型 auc batch_size epoch_num Time of each epoch
DIEN 0.826 32 10 约2小时 
# 动态图训练
python -u ../../../tools/trainer.py -m config_bigdata.yaml
# 静态图训练
python -u ../../../tools/static_trainer.py -m config_bigdata.yaml
# 动态图预测
python -u ../../../tools/infer.py -m config_bigdata.yaml
# 静态图预测
python -u ../../../tools/static_infer.py -m config_bigdata.yaml