序列化组件的配置方式¶
序列模型（DIN、BST）的组件化配置方式需要把输入特征放置在同一个feature_group内。
序列模型一般包含 history behavior sequence 与 target item 两部分，且每部分都可能包含多个属性(子特征)。
在序列组件输入的feature_group内，按照顺序定义 history behavior sequence 与 target item的各个子特征。
框架按照特征定义的类型feature_type字段来识别某个具体的特征是属于 history behavior sequence 还是 target item。
所有 SequenceFeature 类型的子特征都被识别为history behavior sequence的一部分; 所有非SequenceFeature 类型的子特征都被识别为target item的一部分。
两部分的子特征的顺序需要保持一致。在下面的例子中，
concat([cate_id,brand], axis=-1)是target item最终的embedding（2D）;concat([tag_category_list, tag_brand_list], axis=-1)是history behavior sequence最终的embedding（3D）
model_config: {
model_name: 'DIN'
model_class: 'RankModel
...
feature_groups: {
group_name: 'sequence'
feature_names: "cate_id"
feature_names: "brand"
feature_names: "tag_category_list"
feature_names: "tag_brand_list"
wide_deep: DEEP
}
backbone {
blocks {
name: 'seq_input'
inputs {
feature_group_name: 'sequence'
}
input_layer {
output_seq_and_normal_feature: true
}
}
blocks {
name: 'DIN'
inputs {
block_name: 'seq_input'
}
keras_layer {
class_name: 'DIN'
din {
attention_dnn {
hidden_units: 32
hidden_units: 1
activation: "dice"
}
need_target_feature: true
}
}
}
...
}
}
使用序列组件时，必须配置一个input_layer类型的block，并且配置output_seq_and_normal_feature: true参数，如下。
blocks {
name: 'seq_input'
inputs {
feature_group_name: 'sequence'
}
input_layer {
output_seq_and_normal_feature: true
}
}
对输入序列pooling的例子¶
model_config: {
model_name: 'SumPooling'
model_class: 'RankModel
...
feature_groups: {
group_name: 'sequence'
feature_names: "tag_category_list"
feature_names: "tag_brand_list"
wide_deep: DEEP
}
backbone {
blocks {
name: 'seq_input'
inputs {
feature_group_name: 'sequence'
}
input_layer {
output_seq_and_normal_feature: true
}
}
blocks {
name: 'sum_pooling'
inputs {
block_name: 'seq_input'
input_slice: '[0]'
}
extra_input_fn: 'lambda x: tf.reduce_sum(x, axis=1)'
}
...
}
}