AutoField：深度推荐系统中的特征选择自动化
信息检索
2022-04-21 v1 人工智能
摘要
特征质量对推荐性能有显著影响。因此，特征选择是开发基于深度学习的推荐系统中的关键环节。然而，现有多数深度推荐系统侧重于设计复杂的神经网络，却忽视了特征选择过程。通常，它们要么将所有可能的特征输入所提出的深度架构，要么由人类专家手动挑选重要特征。前者导致非平凡的嵌入参数与额外的推理时间，后者则需要大量专家知识与人力投入。本工作中，我们提出一种 AutoML 框架，能够以自适应方式自动选择关键特征域（feature field）。具体而言，我们首先设计可微分控制器网络，其能够自动调整选择特定特征域的概率；随后，仅利用被选中的特征域对深度推荐模型进行重训练。在三个基准数据集上的大量实验证明了我们框架的有效性。我们开展了进一步实验以探究其特性，包括可迁移性、关键组件与参数敏感性。
引用
@article{arxiv.2204.09078,
title = {AutoField: Automating Feature Selection in Deep Recommender Systems},
author = {Yejing Wang and Xiangyu Zhao and Tong Xu and Xian Wu},
journal= {arXiv preprint arXiv:2204.09078},
year = {2022}
}