AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks

时间：2019.08

作者：Weiping Song, Chence Shi, Zhiping Xiao, Zhijian Duan, Yewen Xu, Ming Zhang, Jian Tang

 

Abstract

使用Multi-head self attention来进行自动特征交叉学习

 

Model Architecture

Embedding Layer

categorical feature和numerical feature都用embedding表示

 

Multi-head Self-Attention

使用multi-head self-attention把特征映射到不同子空间中，每个子空间可以学习到不同的特征组合

1. 输入特征通过矩阵乘法线性变换为在注意力空间下的向量表示，对于每个特征在特定的注意力空间h中，都有3个向量表示：
2. 计算与其他特征的相似度，本文使用向量内积表示：
3. softmax归一化注意力分布：
4. 通过加权求和的方式得到特征m以及相关的特征组成的一个新特征：

假设有H个注意力子空间，将每个子空间下的结果进行拼接，得到特征m的最终结果表示：

我们可以使用ResNet保留一些原始特征的信息留给下一层继续学习

最后，将每个特征的结果拼接，计算最终的输出值

 

Reference

https://zhuanlan.zhihu.com/p/53462648