江苏龙网

  1. 首页 > 人文 > >

京东推荐系统中的兴趣拓展如何驱动业务持续增长( 六 )


京东推荐系统中的兴趣拓展如何驱动业务持续增长文章插图
那么我们采用的一种方式是先基于启发式的搜索 ， 再来做队列的打分 。 上图左边就是我们大概的过程 。 我生成侯选之后 ， 先做一个启发式的队列生成 ， 我会生成多个序列 ， 而启发生成就是我基于后引专家式的知识引入 ， 可能是一些偏点击的 ， 有一些是偏 GMV 的 ， 有些是偏探索的 ， 甚至有些是偏随机生成的 ， 基于各种方式或基于不同的目标 ， 你可以设不同的权重 ， 会生成出来很多的队列 。 那么 ， 你为了保证你的在线上的东西一定是正向的 ， 尤其是 ABtest 来说 ， 如果说你是 Point 的这个排序要转成 Listwise 排序 ， 有一个简单的逻辑就是你保证你原来最优的那个队列是在你的生成侯选里头的 ， 这是个小的区别 ， 能保证你 ABTest 的时候能够做到效果正向 。
基于启发队列生成之后 ， 后面是一个 Listwise 打分模型 ， 大家可以展开看一下右边的这个 Listwise 模型 ， 最外面是筛选 ， 就是整个用户从进来已经看过的一些行为 ， 这个是一个单向的 RN 的模型 ， 那么在这个页面内 ， 也就是你本次这个生成的这个侯选 ， 最终要出去的这个队列 ， 这里面是一个双向的 ， 因为 Listwise 逻辑就是说你要保证每一条侯选它都要同时看到前面和后面的东西 ， 才能够保证它预估的信息是更准确的 。
【京东推荐系统中的兴趣拓展如何驱动业务持续增长】再上面那一层 ， 可以看到 ， 它优化的这个目标不再是单条的、单个侯选集的结果 ， 而是整个队列的点击 ， 整个队列的 GMV ， 还有整个队列的多样性 ， 以这几个指标融合在一起才是整个 Listwise 打分模型的优化的指标 。 因为整个这个优化目标它也是有监督的 ， 因为它优化的都是点击 GMV 和多样性 ， 这个方式相对于我们原来的排序方式 ， 首先我们性能上上线的时候 ， 经过这种设计之后并没有受到特别大的挑战 ， 整个上线之后 ， 也是同样的 ， 我们做到了点击和多样性 ， 以及用户探索出来的这个商品的这个占比都有显著的提升 ， 并且提升的幅度其实在我们历史的上限里相对来说特别显著的 。
作者介绍：
彭长平 ， 京东推荐广告算法负责人 。
延伸阅读：
京东智联云产业赋能图鉴-InfoQ
京东技术中台的Flutter实践之路-InfoQ
关注我并转发此篇文章 ， 私信我“领取资料” ， 即可免费获得InfoQ价值4999元迷你书 ， 点击文末「了解更多」 ， 即可移步InfoQ官网 ， 获取最新资讯～


推荐阅读


上一篇：2019，诺基亚又夺冠了：7000万台销量占据该价格段第一

下一篇：iPhone12与12Pro价格相差2200元，用户怎么选