推荐系统的特征
特征是推荐系统里的重要概念，推荐模型通常需要同时处理多种信号，并将其转换为向量。NextRec 使用统一的特征对象描述模型输入，主要支持三种特征类型：
- 稠密特征：连续或可序数化的数值（年龄、价格、时长等），常见做法是标准化/归一化或对数变换。
- 稀疏特征：高基数离散字段（用户 ID、物品 ID、性别、职业、设备类型等），通常需要索引化后放入 embedding lookup 表里。
- 序列特征：可变长历史行为（浏览/点击/购买列表），通常需要转化为ID后，截断、padding，再通过聚合（mean/sum/attention）这些ID的向量为一段定长的向量。
在初始化模型之前，我们需要对每个特征进行定义，让模型知道如何处理不同的特征。
稠密特征的定义
稠密特征适用于连续数值型数据，如年龄、收入、评分等，简单的示例如下：
python
from nextrec.basic.features import DenseFeature
dense_features = [
DenseFeature(
name="age",
input_dim=1,
use_projection=False,
trainable=True
),
DenseFeature(
name="price",
input_dim=8,
use_projection=True,
proj_dim=1,
projection_type="mlp",
mlp_hidden_dims=[16, 8],
mlp_activation="relu",
mlp_dropout=0.0,
trainable=True
)
]参数说明
| 参数 | 说明 |
|---|---|
name | [必需] 特征名称，用作输入键 |
input_dim | 特征的输入维度，对于单个数值为 1 |
use_projection | 是否使用投影层将输入投影到更高维度 |
proj_dim | 投影层维度，如果为 None 或 0，则不应用投影 |
projection_type | 投影类型，支持 "linear"（默认）和 "mlp" |
mlp_hidden_dims | 当 projection_type="mlp" 时使用的隐藏层维度列表 |
mlp_activation | 当 projection_type="mlp" 时使用的激活函数 |
mlp_dropout | 当 projection_type="mlp" 时使用的 Dropout |
trainable | 投影层是否可训练 |
pretrained_weight | 可选的预训练投影权重 |
freeze_pretrained | 如果为 True，保持预训练权重冻结 |
多维 Dense 映射到 1 维示例
python
DenseFeature(
name="dense_vec",
input_dim=12, # 输入是 12 维连续特征
use_projection=True,
proj_dim=1, # 输出映射为 1 维
projection_type="mlp", # 使用 MLP 投影
mlp_hidden_dims=[32, 16],
)稀疏特征
适用于离散 ID 或类别型数据，通过 Embedding 查表转换为稠密向量，简单的示例如下：
python
from nextrec.basic.features import SparseFeature
sparse_features = [
# 用户ID
SparseFeature(
name="user_id",
vocab_size=10000,
embedding_dim=32
),
# 物品ID（使用权重共享）
SparseFeature(
name="item_id",
vocab_size=20000,
embedding_dim=32,
embedding_name="item"
)
]参数说明
| 参数 | 说明 |
|---|---|
name | [必需] 特征名称，用作输入键 |
vocab_size | [必需] 唯一类别ID的数量（max_id+1 或 hash 空间大小） |
embedding_name | 嵌入表名称，当两个特征共用一个embedding_name时共享词表，默认为 name |
embedding_dim | 嵌入向量维度，设为 None 则自动调整大小为 min(vocab_size ** 0.5, 64) |
padding_idx | 用于填充 token 的索引 |
init_type | 嵌入向量的初始化类型："normal"、"uniform"、"xavier_uniform" 等 |
init_params | 初始化器参数，如 {"mean": 0, "std": 0.01} |
l1_reg | 嵌入向量的 L1 正则化权重 |
l2_reg | 嵌入向量的 L2 正则化权重 |
trainable | 嵌入向量是否可训练 |
pretrained_weight | 可选的预训练嵌入权重 |
freeze_pretrained | 如果为 True，保持预训练权重冻结 |
序列特征
适用于用户行为序列，如点击序列、浏览序列、购买序列等。简单示例如下：
python
from nextrec.basic.features import SequenceFeature
sequence_features = [
# 简单序列：平均池化
SequenceFeature(
name="click_hist",
vocab_size=100000,
embedding_dim=32,
max_len=50,
combiner="mean"
),
# 使用点积注意力
SequenceFeature(
name="browse_hist",
vocab_size=100000,
embedding_dim=32,
max_len=50,
combiner="dot_attention"
),
]参数说明
| 参数 | 说明 |
|---|---|
name | [必需] 特征名称，用作输入键 |
vocab_size | [必需] 序列词汇表中唯一ID的数量 |
max_len | 用于填充/截断的最大序列长度 |
embedding_name | 嵌入表名称，当两个特征共用一个embedding_name时共享词表 |
embedding_dim | 嵌入向量维度，设为 None 则自动调整大小为 min(vocab_size ** 0.5, 64) |
combiner | 序列嵌入的池化方法，可选项包含：mean,sum,concat,dot_attention,self_attention |
padding_idx | 用于填充 token 的索引 |
init_type | 嵌入向量初始化类型 |
init_params | 初始化器参数 |
l1_reg | 嵌入向量的 L1 正则化权重 |
l2_reg | 嵌入向量的 L2 正则化权重 |
trainable | 嵌入向量是否可训练 |
pretrained_weight | 可选的预训练嵌入权重 |
freeze_pretrained | 如果为 True，保持预训练权重冻结 |