再见Attention：建模用户长期兴趣的新范式

以下文章来源于推荐道 ，作者石塔西

本文算是《日久见人心：论建模用户长期兴趣的几种姿势》一文的后续。主要是近期读了美团2022年的新论文《Sampling Is All You Need on Modeling Long-Term User Behaviors for CTR Prediction》有感而发。结合阿里之前ETA的工作，我感到在用户长行为序列建模这一领域，SimHash有望取代Attention，成为新的主力建模工具。本文通过梳理长行为序列建模的发展脉络，对比阿里ETA与美团的SDIM在利用SimHash时的异同，帮助读者快速了解这个建模用户长期序列的新范式。

建模用户长期行为序列的发展脉络

DIN

众所周知，用户行为序列是最能反映用户兴趣的信息来源。以前对用户行为序列，只是简单Pooling。阿里的Deep Interest Network开创性地通过target item对user historical sequence做attention，实现了用户兴趣的“千物千面”，也拉开了研究“如何从用户行为序列中更有效提取用户兴趣”的序幕。

DIN的成功，自然而然地让人联想到，能不能扩大喂入Attention的行为序列的长度，包含更远的用户历史行为？这个想法是非常具有吸引力的：

• 一来，近期、短期的用户行为，可能源自临时起意，需要有更多的历史行为来矫正这些噪声；
• 二来，只有长期历史，才能反映出用户一些周期性的行为模式。比如在电商场景下，只有将时间轴拉长到月、季度、甚至是年，用户的一些周期性复购行为才能显现出来。

但是简单将DIN套用到长期行为序列上，有一个无法回避的难题，就是计算量太大。对于一个Batch Size=B的user request，用户的行为序列长度为L，其中每个item embedding的大小是d，target attention的时间复杂度是O(BLd)。如果L达到了千或万这个数量级，这个时间开销是在线实时预测所不能容忍的。

SIM

为了解决target attention耗时太长的问题，阿里又提出了SIM。想法也非常直觉：

• target attention，是拿target item去衡量每个historical item的重要性。与target item相似的historical item，聚合时的权重就高。这相当于一种“软过滤”。
• 既然软过滤代价太高，就借助离线建立的索引进行“硬过滤”。

SIM是分“两步走”策略：

• 第一步是所谓的GSU（General Search Unit），借助离线建立的索引，拿target item直接从索引中提取与它相似的historical items组成的Sub Behavior Sequence (SBS)。这个过程就对应SIM中的S代表的Search。这个Search过程的时间复杂度是O(log(M))<<O(L)，M是一个建立索引时的超参，用来平衡搜索的精度与速度。
• 第二是所谓的ESU(Exact Search Unit)，拿target item与GSU返回的SBS做target attention，将SBS压缩成一个向量表示用户的长期兴趣。

至于GSU中要用到的离线索引是如何建立的？

• 可以是SIM hard模式，将同一个用户的user behavior sequence中包含相同category的items集合起来，形成map<category, itemset>的索引
• 可以是SIM soft模式，拿每个item pre-trained embedding（比如来自粗排）聚类成簇，建立类似FASIS那样的索引

虽然离线索引加快了Search速度，但是也带来了两个“不一致”的问题：

• 目标不一致。GSU建立索引所使用的item embedding是另一个模型pre-trained（比如来自召回或粗排），它所表达的语义未必符合正在训练的精排模型的要求
• 更新频率不一致。大厂的推荐模型都必须能够online learning。但是建立离线索引耗时费力，无法频繁更新。这样一类，精排模型的其他部分都在用最新的数据实时更新，只有GSU部分还在使用过时的索引，成为性能短板。

新趋势：取消离线索引

因为离线索引的以上缺点，最新的发展趋势是取消离线索引，让target item在线直接从user behaivor sequence中找到与自己相似的historical items

• target item embedding与每个historical item embedding都是最新的，也就没有了更新频率上的gap
• target item embedding与每个historical item embedding都要为精排模型的业务目标负责，也就没有了优化目标上的gap

但是重新走target attention的老路，让target item与每个historical item逐一点积，前面已经说有了，性能上吃不消，那是死路一条。我们只能另辟蹊径，这时SimHash给我们指明了一条新路。

SimHash简介

SimHash是Locality-Sensitive Hashing(LSH)的一种实现，做起来很简单：

• 给定一个随机矩阵

的矩阵，每一行代表一个hash function

• 对任意d维的向量x，计算h(x,R)=sign(Rx)，也就是将x映射成m维长的整数向量。因为结果向量的每位只能是0或1，从而h(x,R)可以表示成一个m-bit的整数。h(x,R)可以称为hash signature，或hash fingerprint。

SimHash的优点在于其locality-preserving属性：两个向量

和

，SimHash后得到

，

。

和

在向量空间中越接近，

和

中相互重合的位数就越多。

这一重要性质，也是SimHash能够被用于Search User Interest的基础保障。

阿里的ETA

阿里2021年发表的《End-to-End User Behavior Retrieval in Click-Through Rate Prediction Model》提出End-to-End Target Attention(ETA)，正是利用了SimHash的locality-preserving属性，将其应用于GSU阶段：

• 将target item 'q'经过SimHash，得到m-bit的整数

• 将user behavior sequence "L"中的每个item embedding都经过SimHash，得到

，每个都是m-bit的整数

• 拿

与每个

计算hamming distance，也就是两个m-bit序列中不相同bit的个数，比如hamming(11011001, 10011101) = 2

• 选择与

的hamming distance最小的Top-K个historical items作为SBS，交到ESU做target attention。

分析一下ETA的时间复杂度，在线预测时：

• 当一版模型推到线上infer server时，各item embedding也就固定了，每个item embedding的hash signature也就固定了，可以被提前计算好并缓存。平摊下来，这部分SimHash的开销可忽略不计。
• 计算两个m-bit整数的hamming distance可以用XOR来完成，相当于一次原子操作。一个用户的用户行为序列长度为L，他的一次请求中有B个candidate items。所以这个请求中GSU的时间开销为O(BL)。
• 对每个candidate item，GSU都要筛选出长度为K的SBS，送到ESU去做target attention。这部分的开销是O(BKd)。
• 所以ETA预测一次请求的时间复杂度为O(BL+BKd)

美团的SDIM

美团的Sampling-based Deep Interest Modeling(SDIM)，沿着ETA的思路，更进一步：

• target attention的目的是在用户行为序列中找到与target item相似的historical item。而根据SimHash的locality-preserving性质，如果某个historical item

与target item 'q'很相似，那么q的hash signature

与

的hash signature

，就有很多bits是相互重合的。这也是ETA的理论基础。

• 既然如此，何不按照hash signature中重合的次序列，来查找与target item相似的historical item? 比如，

的hash signature的从i-th bits到j-th bits组成的子序列

，与target item的

相同位置上的子序列

完全重合，那么

就是target item 'q'的相似item，就要参与针对q的user interest modeling。

作法

美团的SDIM就是沿着以上思路实现的。首先，把每个historical item embedding先SimHash成m-bit的大的hash signature（比如下图中m=4），再把大的hash signature每隔

个位置分隔成小的hash signature（比如下图中每隔2bits组成黄色和绿色的小方块）。

再把相同hash signature的historical item embedding聚合成一个向量。如下图中的

所示，聚合方法就是先按位相加，再做L2-normalization。这样，就把user behavior sequence存储成若干buckets。

而针对一个target item做target attention时，将target item也先SimHash再拆解成

个hash signature，每个hash signature去上一步得到的buckets提取聚合好的向量。把每个hash signature提取出来的向量再简单pooling一下，就得到了针对这个target item的user interest embedding。

理论依据

以上作法是不是超级简单？但是背后有理论依据吗？美团的大佬们认证指出（我还没有详细看证明过程）：由于simhash有一定的随机性，那么target item 'q'与某个historical item '

'的两个hash signature发生碰撞也是一个概率。其中有

个位置重合（i.e., hash collision）的概率，在很大时，趋近于如下公式。

那么historical item

对构建针对target item q的用户兴趣的贡献，如下所示。从形式上看，是不是与target item非常相似，比如都和

点积相关。

所以美团认为他们的作法就相当于在原始、完整的长期用户行为序列上做target attention，被称为Hash Sampling-based Attention。

部署&性能

DSIM的实时性能肯定是迄今为止最好的。DSIM线上预测时的部署要拆分成两部分：

• 提取用户最新的长期行为序列，把每个historical item embedding先SimHash再拆解成

个hash signature，再把具有相同hash signature的historical item embedding聚合一起，组成buckets。这部分工作单独部署成Behavior Sequence Encoding (BSE) Server。

• BSE Server将long-term user behavior sequence压缩成若干buckets，传输给CTR Server。
• CTR Server中，将每个candidate item embedding也先SimHash再拆解成

个hash signature，再去接收到的buckets提取向量。所有

个hash signature提取完毕后，将提取出来的向量pooling一下，就得到了针对当前candidate item的long-term user interest embedding，再和其他特征一起喂入上边的DNN。

先看BSE Server这边的性能：

• 一个d维的向量，SimHash成m-bit的整数向量，时间复杂度为O(md)。有近似解法，可以在O(mlog(d))内完成。
• 对于一次用户请求，将该用户L长的用户行为序列做SimHash，耗时O(Lmlog(d))。而且只需要做一次，也candidate items的多少无关。
• 需要注意的是，当某版本的模型在infer server部署完毕后，每个item embedding也就固定了，每个item embedding的

个hash signature也就固定了。可以缓存起来，无需重复计算。

• 所以BSE的主要工作，就是从缓存里提取每个historical item的hash signature，再分桶，再聚合。由于计算量大头的SimHash，已经被之前的计算缓存过了，所以BSE的开销是非常小的。
• 而且由于以上工作都与candidate items无关，可以在进入精排之前提前进行（比如与召回、粗排并发进行），更进一步提高了计算效率。

再看CTR Server这边的性能：

• CTR server要把batch size=B个candidate items，逐一先SimHash再拆解成

个hash signature。由于同样可以被缓存，这部分的开销也不大。

• 接下来，就是用hash signature从BSE server发来的buckets中提取向量，再pooling。也就是一个embedding lookup，开销也不大。

注意与ETA的区别，

• ETA中，GSU筛选出来的SBS还要再交给ESU做Attention，还要再耗费O(BKd)的时间
• 美团SDIM这里是一步到位，CTR server从buckets中提取出来的基本上就是attention结果了，而不是SBS。步骤更少，速度更快。

- END -