汽车之家推荐系统排序算法迭代之路

总篇87篇 2020年 第11篇

1.  汽车之家推荐系统

1 .1 概述

汽车之家推荐系统上线已有近5年历史，主要给用户推荐个性化的汽车之家资源。推荐系统的上线是汽车之家APP生态内容以分类体系分发转变为个性化推荐的重要里程碑。汽车之家推荐的资源主要包括专业编辑、汽车大V、论坛用户生产的文章、视频、图片，以及车系物品等，总量上亿。

推荐的目标是给用户推荐他喜爱的内容，做好推荐可以拆解为三个子目标：

• 一是对用户的理解

• 二是对资源的刻画

• 三是用户和资源的最佳匹配

再对上面三个目标进行拆解，用户理解包含用户属性、行为收集及行为的表示，资源的刻画包括自身的属性及外部赋给资源的特征，用户和资源的匹配有非常多的方法或模型，是推荐系统的核心工作，追求更好更优的匹配，是推荐系统不断演进的动力所在。

匹配又可以分为两部分，召回和排序，召回是尽可能多的找到用户喜欢的资源，排序是对找到的资源再做一次优选，召回和排序又可以进一步细分。

1 . 2   架构

推荐系统要从海量的资源库里，快速找到用户潜在感兴趣的资源。主要有四个环节，第一，收集资源，第二，从所有资源中找到用户感兴趣的资源，第三，对用户感兴趣的资源根据用户喜好程度进行排序，第四，输出给用户最感兴趣的n个资源。

基于以上四个环节对推荐系统架构进行设计，一般由如下模块组成。

其中：

资源池： 存储各种类型的海量资源，一般由数据库存储，如 mysql 、hive、 redis 等。

标签生成： 标签是对资源更多维度的结构化刻画。比如：分类标签、关键词、质量分等。

索引: 对资源的各类标签、关键词建立倒排索引，及相似向量检索引擎等。

过滤： 对用户的曝光历史、负反馈等进行过滤。

召回： 使用用户画像标签或用户embedding到索引和向量库中获取相关的候选资源。

用户画像： 用户属性及根据用户的历史行为给用户打的标签。

排序： 通过模型对召回的每个候选资源进行预测打分。

特征/模型： 排序依赖的用户特征、资源特征及模型。

运营： 业务策略，包括提权、曝光占比控制、打散等业务策略。

输出： 将排序及运营后的topN个资源打包返回给客户端。

2 . 排序模型

2 .1 模型介绍

汽车之家首页推荐排序模型主要经历了LR、XGBoost、FM、DeepFM、DeepFM Online Learning这几个主要的演进过程，在这个过程中还实验了如Wide&Deep、DCN、LSTM、GRU等模型。

LR模型是CTR预估领域早期最成功的模型，大多早期的工业推荐排序系统采取LR这种“线性模型+人工特征组合引入非线性”的模式。LR模型具有训练快、上线快、可解释性强、容易上规模等优点，目前仍然有不少实际系统采取这种模式。同时LR模型也是之家推荐排序系统初期的验证模型和中后期的baseline模型。

Xgboost模型在使用和LR相同的特征，上线后就取得了比较明显的效果，之后又增加了user和item的实时特征，实验组CTR得到了进一步的提升，总体上相对提升6%。在和对照组持续观察了3周后，XGBoost的提升效果得到了验证，替换了LR成为线上的全量模型和baseline模型。之后还尝试了XGBoost+LR，效果相比XGBoost没有明显提升。

FM简洁优雅地实现了二阶特征组合。实现特征组合比较容易想到的是在LR的基础上加入二阶特征组合即可，即任意两个特征进行组合，将组合出的特征看作新特征，加到LR模型中。组合特征的权重在训练阶段学习获得。但这样对组合特征建模，泛化能力比较弱，尤其是在大规模稀疏特征存在的场景下。FM模型也直接引入任意两个特征的二阶特征组合，但对于每个特征，学习一个大小为k的一维向量，两个特征Xi和Xj的特征组合的权重值，通过特征对应的向量Vi和Vj的内积来表示。这本质上是对特征进行embedding化表征，和目前常见的各种实体embedding本质思想是一样。特征组合对于推荐排序是非常重要的，DNN模型一样离不开特征组合这个特点，但MLP是种低效率地捕获特征组合的结构，所以排序相关的深度模型，基本都具有类似FM组合特征的部分。FM模型实践阶段主要是增加了样本量由几千万到3亿，线上实验CTR对比XGBoost相对提升2%,因为后续DeepFM很快上线，FM并没有推全。

Wide&Deep是推荐领域取得较大成功的最早期深度模型，由Google于2016年提出。Wide&Deep模型包括Wide部分和Deep部分，Wide部分为LR，输入为one-hot后的离散型特征和等频分桶后的连续性特征，这部分可以对样本中特征与目标较为明显的关联进行记忆学习；Deep部分为MLP，输入为Embedding后的离散型特征和归一化后的连续型特征，可以泛化学习到样本中多个特征之间与目标看不到的潜在关联。使用Wide&Deep的另一个优势在于Wide部分的存在，可以沿用之前浅层学习的成果，尤其是特征工程部分。Wide&Deep上线后CTR相对提升3%,比同期上线的DeepFM低0.5%，线上主要使用了DeepFM模型。

DeepFM将Wide&Deep的wide部分LR 替换成FM来避免人工特征工程。DeepFM相比 Wide&Deep模型更能捕捉低阶特征信息。同时，Wide&Deep部分的embedding层需要针对deep部分单独设计，而在DeepFM中，FM和deep部分共享embedding层，FM 训练得到的参数既作为 wide 部分的输出，也作为 MLP 部分的输入。DeepFM支持end-end训练，Embedding 和网络权重联合训练，无需预训练和单独训练。DeepFM上线后CTR相对提升3.49%,略好于同期上线的Wide&Deep。在效果得到验证后推全了DeepFM模型，使其成为线上的全量模型和baseline模型。线上效果的提升带来的是推荐排序模型预测耗时的增加，为了保证不超过最大平响，在不明显提高模型loss的前提下，实验优化Deep部分的参数，包括减少Embedding的维度和隐藏层的神经元个数与层数等。通过部署模型上线后观察效果，模型预测的耗时随之减少，而且CTR也没有明显波动，依然明显高于对照组，说明深度学习的泛化能力较强，即便降低模型的神经网络配置，依然能较好地拟合样本。

与Wide&Deep和DeepFM类似，DCN将Wide部分升级为Cross网络，Cross网络一方面通过显式的高阶特征交叉，另一方面通过层与层之间拟合残差，能够更深入地挖掘出非线性特征组合与目标的关系，更快地达到稳定的拟合状态。在和DeepFM采用相同特征的情况下，实验CTR也和DeepFM持平。根据线上的迭代经验和业务特点，尝试优化了DCN的模型结构。在DCN原始的Embedding and Stacking层中，离散型特征在经过Embedding处理后，与连续型特征直接拼接在一起，统一输入进后面的网络，这样带来的不足是：虽然网络可以用显性和隐性的方式学习特征间的有效交叉，但缺少单个特征内部信息的挖掘，将这部分压力转移到了特征工程，从而增加了人工成本。基于充分利用每个特征，通过排序模型自适应学习到更多信息的考虑，尝试对所有特征分别进行扩展。在DCN的Embedding and Stacking层和网络层之间实验引入特征扩展层，将每个特征从原始的1维扩展到n维，与Embedding只对离散型特征处理不同，维度扩展也会处理连续性特征。扩展后的特征在伴随着维度增加的同时，会将更多自身信息输入到网络层参与高阶计算，与只使用原始特征相比，模型可以更深入利用已有特征，节约了特征工程的人工成本。通过离线实验，在采用相同特征的情况下，相较DCN，基于特征扩展的DCN上线后实验CTR相对提升1%。

在上述模型迭代的同时，还实验了LSTM、GRU等模型,LSTM和GRU都是基于序列的next click模型，模型的结构很简单，对于一个Session中的点击序列X=[X1,X2,X3...Xn-1,Xn]，依次将X1、X2,...,Xn-1输入到模型中，预测下一个被点击的是哪一个Item。首先，序列中的每一个物品Xt被转换为one-hot，随后转换成其对应的embedding，经过N层隐含单元后，再经过一个全联接层得到下一次每个物品被点击的概率。这些模型的CTR都暂未明显好的DeepFM,所以都还在实验阶段，没有成为线上主要模型。

在DeepFM和其他深度模型的实践中，比较容易犯的错误是不考虑特征组成和样本数量，直接暴力增加模型复杂度，从而导致训练时间骤增、模型文件变大和线上的预测时间更久，最终引起推荐系统服务超时。如果特征数量少、特征工程完善和样本选取合理，使用简单的深度学习模型反而能够达到更好的效果。

2 .1 在线学习

在线学习利用实时收集的用户反馈，实时更新模型参数进行预测，实时反馈用户行为变化带来的影响。在线学习相对离线学习可以理解为数据集无限大，时间序列无限长，利用样本数据流逐条更新模型,在线学习是DeepFM上线后在模型更新方面做的优化。之前的模型更新从一周到一天，为了模型能更快的学习到用户的实时行为，我们将模型的更新周期做到了分钟级。

这里主要有两部分工作，一是Label及特征的实时获取，二是模型的实时更新。

对于Label及特征的实时获取是通过每次请求的唯一标识id使用服务端dump的特征和客户端的Label（曝光、点击）进行join生成，这里要注意的是Label必须和当次请求的特征join，如果特征数据在Label之后有更新，则会产生特征穿越的问题。

模型的实时更新是将实时获取的样本累积到一个batch后，就进行迭代更新，更新后的模型每隔10分钟往线上推一次。累计10分钟在保证捕获用户实时行为实效性的前提下，既可以降低工程实现难度，又可以降低样本的抖动影响，对样本不均衡的情况可以采取采样策略进行处理。

2 . 2 排序服务

排序服务是以API的形式提供，其中：

输入：

• Deviceid:用户唯一标识，在服务内部通过此id获取用户的属性及行为特征。

• Itemid:这是对用户待排序的资源id，在服务内部会获取到这些资源属性、热度、标签等信息。

• Pvid:当次请求的唯一标识，用于关联客户端和服务端的日志。

• Model-name:模型名称，指定选用哪个模型进行排序，排序服务提供了多个模型供选择。

• Model-version:模型版本，和Model-name搭配使用，指定同一个模型的哪个版本，这个参数主要用来进行模型迭代优化。

• Debug:此参数用来输出排序过程中的一些中间结果。

输出： Itemid及其打分。

排序服务中的多个模型有不同的更新策略，更新同期可配置。排序服务还依赖于特征服务获取用户和资源的特征，对应到不同模型还有不同的特征工程处理。

2.3   模型更新

实验的小流量排序模型经过离线验证，线上可以定时直接热更新。线上的全量排序模型更新除了离线验证外，还要在推全之前有一个预上线实验验证，确保在预上线实验组上CTR等数据没问题，再将模型全部更新。

2.4 AB实验

在机器学习领域中，AB 实验是验证模型最终效果的主要手段。进行AB测试的主要手段是进行用户分桶，即将用户分成实验组和对照组，对实验组的用户施以新模型，对照组的用户施以旧模型。在分桶的过程中，要注意样本的独立性和采样方式的无偏性，确保同一个用户每次只能分到同一个桶中，在分桶过程中选取DeviceId必须是完全随机的，这样才能保证桶中的样本是无偏的。实验组和对照组的划分必须是在相同的约束条件下随机选取DeviceId。如下图a、b、c的划分都不正确，其中a中实际划分的用户超出了实验约束的用户群，b中实验组用户正确，但是把剩余的所有用户作为对照组是不对的，c中实验用户正确，对照组用户有所扩大也是不对的，只有d是正确的。

线上的AB主要有三部分，一是实验及其分桶的配置，二是分桶对应的代码逻辑，三是实验及分桶的效果数据。实验之间的流量是正交的，每个实验中多个分桶的流量是互斥的。如我们的排序模型设置了一个实验，多个分桶，有2%、5%、10%流量的三个对照组，模型上线时从2%开始逐步扩量进行效果对比验证。

2 . 5   模型训练

推荐排序模型的训练主要基于之家机器学习平台AutoPAI。汽车之家AutoPAI是一个支持可视化拖曳组件建模，支持上百种机器学习算法组件，支持多个深度学习框架，和hadoop、spark打通,支持分布式GPU训练深度学习模型的平台，并且支持在线开发、自动部署等功能。

我们的简单模型如LR、XGBoost可以直接在界面上拖动数据源、特征处理组件、模型组件、验证组件进行训练并保存模型，之后进行一键部署线上服务。深度模型支持在线开发、调试，之后将调试好的代码通过深度学习组件进行提交，选择GPU卡数进行训练，训练完成后可一键部署服务。

2 .6 可视化 Debug

对模型或策略单次请求效果的验证，一般上线后通过白名单进行验证，但这还是要进行代码或配置的上线，上线一方面是有风险，另一方面一般上线是多个实验多个功能一起上线，即使一个实验添加了白名单也有可能受到其他实验的影响。对此，我们基于代码debug的思想，把调试放在程序正式发布前，我们做了推荐debug系统，在实验上线前就可以通过debug系统进行效果验证及中间环节验证。

我们的debug平台最主要的推荐效果验证输入有两部，一是推荐接口，二是实验配置。通过更改这两部的参数，就可以模拟线上真实返回渲染，并可以输出这次请求整个链路的中间结果。Debug平台还支持对索引、召回、排序等子模块的直接验证，可以查询资源特征、用户画像，用户曝光点击行为等。Debug平台的上线极大的提高了我们的上线效率。

3 . 特征及训练样本

3 . 1 特征介绍

模型的输入一般包括：用户画像特征、item特征，上下文特征，交叉特征、位置特征和序列item特征，其中：

用户画像特征有： 用户自身属性，如性别、年龄、职业、地域等；用户行为，如不同时间窗口的浏览时长、点击、搜索、发贴、收藏、点赞等行为；基于行为所产生的兴趣偏好，如车系、标签偏好等；基于行为的衍生统计指标，如用户ctr、活跃度等。

Item特征有： item自身属性，如标题、正文字数、图片个数等；基于item挖掘的特征，如内容分类、关键词、情感、内容专业度、内容丰富度、作者影响力等；item被用户赋予的行为，如uv、pv、ctr、收藏、点赞、回复等。

交叉特征有： item标签与用户标签的匹配度。

3 . 2 特征处理

直接使用原始特征不易于模型拟合，所以传入模型后还需要进一步处理，具体包括：异常值处理、归一化和等频分桶。

异常值处理：

训练样本中的特征一般都存在异常值，对于离散型特征，可以将其单独分配到one-hot的一个位置，不会存在全为0的情况，但对于连续型特征，通常会对其赋默认值，如果为0则该特征不会参与到结果计算，如果为平均值则可能不符合各个特征的物理含义。为了得到合理的默认值，排序模型通过在特征处理阶段，对每个连续型特征引入不为0的weight和bias，默认值的计算方式为：，weight和bias通过模型训练学到，当出现异常值时，特征值默认等于bias。通过离线实验，测试集的loss有明显下降，上线后的CTR也优于默认取0值或取平均值。

归一化：

连续型特征的值分布一般不统一，例如曝光量和CTR，曝光量取值都大于1，且最大值可能会是几百万，而CTR的取值区间为0到1，如果直接输入到排序模型，分布不均的统计特征会导致训练波动，不但影响收敛速度，而且最终可能会无法拟合。常规的归一化方法包括：min-max、log和standard等，通过离线实验观察测试集的loss，其中min-max的效果最好。

等频分桶：

对于连续型特征，当线上的特征值出现异常变化的时候，可能会存在泛化性不好或者鲁棒性不足的问题。为此引入了等频分桶，即按样本特征的分布频率，为每个特征规定好多个取值分界线，根据原始特征值分到不同的桶中，再根据桶的编号进行one-hot处理。深度模型的nn部分使用连续特征时因为长尾分布对最大值做了限制，后来实验nn部分使用离散特征效果更好，也使用了离散特征。

3 . 3 特征表达

我们的排序模型不仅引入了大规模的稀疏特征，而且实现了多种形式的向量表达。

如基于item内容分类的Bert embedding，基于item图像和视频的embedding，基于行为的Graph embedding、LSTM embedding等

3 . 4 特征生产

用户和资源的特征做到了离线加实时，离线特征存储了用户和资源最近三个月的行为，实时特征做到了秒级别的更新。特征生产系统架构如下：

3 . 5 特征服务

特征服务是支持排序服务的基础服务，主要输出用户和资源的离线及实时特征。

3 . 6   训练样本生成

排序服务在用户每次请求时调用特征服务，获取实时和历史特征，输入模型，并输入到一个dump队列再与客户端的曝光点击进行join生成模型实时训练更新的样本，流程如上图。

4 . 未来计划的优化方向  

模型目标： 后续的优化目标不仅仅限于CTR，而是综合点击、互动、时长等多个目标同时优化，这是未来目标优化的趋势。多目标模型的实现既可以每个目标独立建模优化然后进行融合，也可以通过共享参数的多目标网络实现。

模型表达能力： 也就是网络结构的升级，如使用Transformer进行更好的特征抽取，自动化特征工程，AutoML自动设计更好的网络模型，和推荐场景很吻合的强化学习等

特征扩充及信息融合： 主要有用户长短期兴趣更精准的embedding表达，文本、图片、视频、互动行为等多模态信息的融合表达等。

汽车之家的推荐系统紧随前沿持术，在支持内部多个推荐场景的同时，对外也有了一定的输出。未来我们期望汽车之家的推荐系统不只是前沿技术的应用者，更是推动者和创新者。