prehash hash部分的hash layer和tree layer的关系是？

[DoubleYing]

parser.add_argument('--hash_layers', type=str, default='[32]', help='MLP layer sizes of hash') parser.add_argument('--tree_layers', type=str, default='[64]', help='Number of branches in each level of the hash tree')

想请问一下，这里的tree layer和hash layer在Hierarchical Hash中的哪部分，作用是什么？感觉论文中并没有详细介绍（也可能是我没看到）。可以麻烦在详细讲解一下吗？谢谢

[Shuriken13]

抱歉，hash_layers好像确实漏了Orz，我的错。它其实就是一层的mlp对his vector做了一个转换，即u^v = hash_layer(u^v)。 tree_layers其实是定义了树的结构是从1-64-1024，1是根节点省略了，1024是桶数目。 代码中用到tree_layers的一段实现对应论文中公式4。实现是用self. u_hash_predict一次性求出了所有的u^v和节点向量n_k的点乘，然后再根据tree_layers分段求最后的权重的。（hash求权重的公式4非常简单所以可以这么做，如果要考虑父亲节点和子节点的关系，实现会更复杂。）

[DoubleYing]

嗯，感谢您的回复，这部分内容看懂了~ 还有一个是关于公式（2）的实现，在PreHash.py文件 all_his_vector = history.mm(self.iid_embeddings.weight) history是包含了target item的序列对吧？ 那all_his_vector不是等价于user所有序列行为的sum pooling吗？ 并没有attention的部分呀？

[Shuriken13]

那个if分支是history输入给的是sparse输入时，实际模型跑的时候不是sparse输入，都是输入的一个历史交互的有限序列，是else分支。

[DoubleYing]

懂了，谢谢~

[Shuriken13]

不客气～

[DoubleYing]

aha,再次请教一下 PreHash,py 文件的predict(self, feed_dict)方法中，得到了三个prediction，分别是his_prediction，hash_prediction和prediction。 his_prediction是只用了历史行为作为user_emb得到的预测 prediction是prehash得到的预测 hash_prediciton，有点不理解，是只用anchor_vec作为user_emb得到的预测吗？

[Shuriken13]

his_prediction是拿u^v历史向量和item向量点乘做预测，hash_prediction是拿u^h哈希部分向量和item向量点乘做预测，prediction是拿两部分聚合后的向量u‘和item向量点乘做预测。不仅希望聚合后的向量u’好，希望每一部分单独拿出来的向量也足够好。