在推薦系統中，用戶的顯式反饋、隱式反饋、正反饋和負反饋都能夠反映用戶對于被推薦物品的偏好。這些反饋信息在推薦系統中十分有用。然而，現在的大規模深度推薦模型往往以點擊為目標，只看重以用戶點擊行為為代表的隱式正反饋，而忽略了其它有效的用戶反饋信息。

作者在本文中關注用戶多種顯式/隱式和正/負反饋信息，學習用戶的無偏興趣偏好。具體地，作者提出了一個Deep Feedback Network (DFN)模型，綜合使用了用戶的隱式正反饋（點擊行為）、隱式負反饋（曝光但未點擊的行為）以及顯式負反饋（點擊不感興趣按鈕行為）等信息。

DFN模型使用了internal feedback interaction component抓住用戶行為序列中的細粒度的行為級別的交互，然后通過external feedback interaction component，使用準確但稀少的隱式正反饋和顯式負反饋作為監督，從噪音較多的隱式負反饋中進一步抽取用戶的正負反饋信息。在實驗中，作者基于微信看一看的數據，進行了豐富的離線和在線實驗，模型與baseline相比均取得顯著提升。

1、模型背景與簡介

推薦系統在日常生活中被廣泛使用，為用戶獲取信息與娛樂提供便利。推薦系統算法往往基于用戶與系統的交互，這些交互行為可以大致分為以下兩類：顯式反饋與隱式反饋。顯式反饋從用戶對于物品的直接態度中獲取，例如評論中的一星到五星，或者微信看一看系統中的“不感興趣”按鈕。這類反饋能夠直接表達用戶的正向以及負向偏好，但是這類反饋的數量往往不多。隱式反饋從用戶的行為中間接獲得，例如用戶的點擊/不點擊行為。這些信息在推薦系統中往往是海量的，但是這些信息有著較多噪聲（用戶點擊的并不一定是他真正喜歡的）。另外，隱式反饋通常是以正反饋的形式出現，推薦中的隱式負反饋存在巨大噪聲（未展現信息或者未點擊信息并不一定意味著用戶不喜歡這些內容）。

在近期的深度推薦系統中，CTR導向的目標受到J大關注。因此，模型不可避免地只關注和目標緊密相關的用戶點擊行為，忽略了其它用戶行為中蘊含的豐富信息。僅考慮CTR導向目標的推薦模型往往會遇到以下兩個問題：（1）CTR導向目標只關注用戶喜歡什么，沒有關注用戶不喜歡什么。這樣，模型的推薦結果容易同質化和趨熱化，損害用戶體驗。因此，負反饋信息是必要的。（2）用戶除了被動地接受系統推薦的物品，有時也需要能夠主動和即時的反饋機制。用戶希望能夠G效和準確地告知系統自己喜歡或者不喜歡什么。另外，用戶的顯式和隱式反饋之間也會存在割裂（用戶點擊的并不一定是他真正喜歡的）。因此，顯式反饋也是必要的。顯式信息和隱式信息能夠作為彼此的補充，相輔相成。已有工作通過使用用戶的未點擊/未曝光行為作為用戶的隱式負反饋，這樣會引入J大的噪聲。另外一些工作嘗試使用用戶的顯式負反饋信息。這些信息固然準確，但是也往往比較稀疏。

為了解決這些問題，綜合使用用戶多種顯式/隱式和正/負反饋信息學習更好的無偏用戶表示，作者提出了一個Deep Feedback Network (DFN)模型。圖1中給出了在微信看一看場景中的三種用戶反饋。DFN通過internal feedback interaction component抓住用戶行為序列中的細粒度行為級別的交互，然后通過external feedback interaction component，使用準確但稀少的隱式正反饋和顯式負反饋作為監督，從噪音較多的隱式負反饋中進一步抽取用戶的正負反饋信息。這些反饋特征會和其他用戶/物品特征混合，并行使用FM、Deep和Wide層進行特征交互，后進行CTR預估。

作者基于微信看一看推薦系統，設計了離線和線上實驗，在多個指標上具有顯著提升。這篇工作的主要貢獻如下：

1、作者D一次融合隱式正反饋（點擊行為）、隱式負反饋（曝光但未點擊的行為）、顯式負反饋（點擊不感興趣按鈕行為）和它們之間的交互信息進行用戶行為建模；

2、作者提出了一個全新的Deep Feedback Network (DFN)模型，能夠學習到用戶無偏的興趣偏好；

3、模型在離線和在線任務上都得到了顯著提升，具有工業級實用價值。論文中也提出了一個feed流中的顯式負反饋預測任務。

2、模型結構

DFN模型主要分為三個階段：首先，deep feedback interaction module以用戶的多種反饋行為作為輸入，輸出用戶的反饋特征。然后，Feature Interaction Module進一步考慮用戶的其它特征和物品特征，使用FM、Deep和Wide層進行特征交互。后，輸出層使用CTR作為訓練目標。圖2給出了DFN的整體結構。

deep feedback interaction module是模型的主要創新點。它包括了兩個組成部分：Internal Feedback Interaction Component和External Feedback Interaction Component。圖3給出了deep feedback interaction module的結構。

首先，在Internal Feedback Interaction Component中，用戶的隱式正反饋、隱式負反饋和顯式負反饋序列和target item一起，通過一個transformer層，得到了在各個序列內部細粒度的item-level的交互信息，然后經過average層得到三種反饋的特征表示，其中隱式正反饋特征中蘊含G質量的用戶正向偏好，顯式負反饋特征中蘊含G質量的用戶負向偏好。

D二步，在External Feedback Interaction Component中，隱式負反饋序列往往是三種行為中多的行為，但也是噪聲大的行為。作者把G質量的和target item交互后的隱式正反饋特征和顯式負反饋特征看作一種G質量指導，從用戶未點擊序列中挖掘用戶或許喜歡/不喜歡的物品，補充用戶的正向負向偏好。作者使用了一個attention層得到了兩種用戶弱正向/負向反饋特征。這兩種弱反饋特征和D一步的三種反饋特征拼接后成為終的用戶反饋特征。

第三步，在Feature Interaction Module中，作者使用了FM、Wide和Deep層，對用戶其它特征、物品特征和用戶反饋特征等進行低階/G階特征交互。這一個模塊是為了充分利用各種特征輔助推薦，使得模型在真實工業級任務上達到好的效果。使用Wide層主要是為了給潛在的特征工程留下接口。

后，作者基于CTR loss進行訓練。除去傳統的正例和未點擊負例，作者還增加了一項預測用戶負反饋點擊的loss。由于在實際推薦系統中，用戶給出主動顯式負反饋的次數J少，顯式負反饋中的負向信息也J其強烈，所以作者單獨在loss中強調了這一項，并且給予了較大的訓練權值。

3、實驗結果

離線和線上實驗均在微信看一看上進行，離線數據集包含千萬級用戶在百萬級物品上的億級行為。模型離線CTR預估結果如圖4：

4、總結

在本文中，作者初步研究了推薦系統中的多種顯式/隱式和正/負反饋之間的協同合作機制。DFN模型能夠基于多種反饋信息即時學習到用戶的無偏的正負向興趣，在點擊預估和不感興趣預估等多個任務上均有提升效果。直觀而有效的模型也使得DFN能成功在工業級推薦系統中得到部署和驗證。我們預測用戶的顯式反饋，特別是顯式負反饋的信息將會未來推薦系統中起到更加重要的作用，在發掘推薦系統可解釋性同時提升用戶體驗。