【广告系统】增量训练 ＆ 特征准入/特征淘汰

一、增量训练

有时候训练数据是很多的，几十万几百万也是常有的事。虽然几十万几百万只看记录数不算多，但是如果有几百个特征呢，那数据集是很恐怖的，如果存成numpy.float类型，那绝对是把内存吃爆。我就是在这种情况下，开始考虑增量模型的增量训练。

在超大数据集上，一般有这么几种方法：1. 对数据进行降维，2. 增量训练，使用流式或类似流式处理，3. 上大机器，高内存的，或者用spark集群。

增量训练，其实和在线学习是一个意思，在线学习的典型代表是用SGD优化的logistics regress，先用数据初始化参数，线上来一个数据更新一次参数，虽然时间的推移，效果越来越好。这样就避免了离线更新模型的问题。

增量训练主要有两个作用，一个是想办法利用全部的数据，另一个是想办法及时利用新的数据。可以提高模型的时效性、样本容量和节省集群资源。

推荐场景通常由于引入了大量的ID类特征从而导致存在海量稀疏参数，例如在经典YouTube DNN模型中，使用用户观看过的视频以及用户历史search tokens作为主要Embedded特征。根据论文中论述，YouTube DNN中candidate video以及search tokens均有百万之巨。在此基础上如果再使用交叉特征，就会使参数爆炸问题进一步加剧。

推荐场景低频的ID类特征同样会给系统带来过拟合的风险，针对这个问题，我们设计了特征准入/退出机制策略，方便根据具体模型预设的表达能力，调整低频稀疏参数对模型的影响。

二、特征准入

商业场景中，时时刻刻都会有新的样本产生，新的样本带来新的特征。有一些特征出现频次较低，如果全部加入到模型中，一方面对内存来说是个挑战，另外一方面，低频特征会带来过拟合。因此会制定一些特征准入机制，包括基于概率进行过滤，布隆过滤器等。

训练框架会对新特征设置特征准入的“门槛”来防止低频特征频繁的出入。我们提供了两种机制来限定新增特征准入：

• 概率新增，每次遇到新增特征时，根据预设分布生成概率，控制特征准入；
• 使用Counting Bloom Filter对新增特征出现次数进行统计，当次数超过阈值时，准入。

上图简要描述了CBF的原理，假设容量是16，两个hash函数用作Feature ID到Index的映射。查询特征频率时，Feature1经过Hash Function1和 Hash Function2分别得到Slot 3和 Slot 6，两个Slot值均为1，Feature出现次数可以认为是1。Feature2经过Hash Function1和 Hash Function2分别得到Slot 6和 Slot 15。两个Slot值分别为1和0，Feature2出现次数可以认为是0。即映射到所有Slot中 Value最小值。

三、特征淘汰

有一些特征长时间不更新会失效。为了缓解内存压力，提高模型的时效性，需要淘汰过时的特征，制定淘汰规则。

对于已经准入的特征，提供以下三种方式判断是否处于低频状态：

1. 更新时间。如果一个特征长时间没有被更新，认为已经处于低频状态；
2. L2范数。如果一个特征L2范数计算结果过小，认为已经处于低频状态；
3. 统计值综合得分。支持用户提供自定义函数，通过特征统计值（曝光数，点击数，点赞数，评论数等）来计算特征综合分数，分数小于阈值认为处于低频状态。

被判定处于低频状态的特征会被淘汰屏蔽，下次再次出现时会被当做新特征对待。

使用特征准入&退出后，推荐模型普遍能够减少到未使用时四分之一大小，线上预测AUC在千分位保持持平。

参考资料

1. 机器学习-增量训练方法
2. BIGO技术 | 万亿模型参数的训练
3. 增量学习实践