从 0 到 1 搭建个性化推荐系统

内容简介：从 0 到 1 搭建个性化推荐系统

在互联网信息爆炸式增长的当今，通过传统人工筛选运营方式提供服务时代已然过去，能通过用户历史行为精准推荐用户感兴趣内容成为必然趋势，主流个性化推荐系统流程包括用户行为采集、分类提取、离线用户建模、在线用户模型预测等。结合目前手机QQ浏览器软件应用App分发业务发展需求，历时半年多时间，从无到有搭建一套个性化推荐系统支撑专区App分发业务。

1、背景

在互联网信息爆炸式增长的当今，通过传统人工筛选运营方式提供服务时代已然过去，能通过用户历史行为精准推荐用户感兴趣内容成为必然趋势，主流个性化推荐系统流程包括用户行为采集、分类提取、离线用户建模、在线用户模型预测等。结合目前手机QQ浏览器软件应用App分发业务发展需求，历时半年多时间，从无到有搭建一套个性化推荐系统支撑专区App分发业务。

2、业务整体Review

目前推荐场景覆盖包括专区首页猜你喜欢模块推荐，打底推荐与QB内垂直搜索，对应效果如下图红框标识：

进过半年的优化打磨，关键阶段效果提升汇总如下：

3、整体框架

在输出整体架构图前，先回归最初产品个性化推荐需求，技术方案选型最终都要服务于需求

【个性化推荐需求】

根据活跃用户的长期兴趣推荐用户最感兴趣的AppList，效果评价指标是推荐App的CTR

【技术方案选型】

工程Part

在线模块：分粗排阶段和精排阶段

1、粗排阶段根据用户长期兴趣画像召回相关度较高的Item，同时减轻精排阶段压力；

2、精排阶段则根据粗排召回的ItemList，通过离线训练好的 排序 模型预测CTR，最终下发TopN ItemList作为推荐结果；

离线模块：

1、用户长期兴趣：负责在线粗排召回，通过离线累计用户消费行为，映射成兴趣体系，最终积累成用户长期兴趣画像，最终将画像导入在线系统；

2、排序模型：负责在线精排阶段排序模型的训练，训练阶段需要用户消费日志，同时收集用户特征和Item特征，最终整合成训练样本集，通过Spark等分布式计算框架训练模型并导入在线系统；

算法Part

粗排召回：粗排的召回效果直接影响推荐的效果，不过项目初期的方案不太适合制定太复杂的策略，初期我们先敲定一个热度计算公式对备选Item进行全排序：HOT(x) = LOG(下载量(x)) + 评分(x) * 0.2，最后根据Item分类构建待召回反向索引结构

精排模型：产品制定推荐效果评价指标是App按天CTR，即排序模型是pCTR模型，结合业界成熟方案以及团队技术积累准备度，选用LR作为pCTR模型

【整体架构图】

1、将用户在专区预推荐位的Item曝光和点击行为上报到离线集群

2、用户实时拉取推荐结果，粗排备选池会预先Ready（对应架构图中的备选优化，策略参考上面算法Part的粗排召回），通过用户关联历史兴趣画像，根据画像获取关联度Top的ItemList，同时进行列表退避；然后用召回ItemList关联Item特征，用户关联用户特征，部分特征需要走特征工程处理，加载离线训练好的LR模型，预测每一个Item的pCTR，进行排序；产品策略会在兼顾用户体验维度对下发列表进行干预，比如多样性，游戏App占比等；最终下发排序结果列表

3&4、将用户交互行为与推荐结果等数据导入离线计算集群：1）根据按天用户行为计算按天兴趣画像，同时和历史画像进行合并构成用户兴趣长期画像；2）用用户对Item点击或曝光作为样本原，与Item特征、用户特征关联形成训练样本集，通过Spark API训练得到稳定的LR模型

5、按天将用户累计长期兴趣画像和LR模型结果导出到HDFS路径

6、用户兴趣画像定期刷入在线Cache

7、将LR模型按天导入在线DB，在线服务定时加载LR模型以及查询用户长期兴趣画像

4、优化小结

将个性化推荐系统Pipeline搭建上线后，目光就转移到推荐效果的优化，优化主要分三部分：1）LR模型特征优化，主要包括常用特征工程方法以及引入新的业务特征；2）LR训练工具Spark API训练性能提升加学习率曲线绘制；3）粗排召回阶段引入基于Item的协同过滤；

【特征优化】

1、特征工程

在当前项目中，我们主要采用的特征工程方案包括：

离散枚举：性别（男性1，女性2，未知3），单维特征扩展成三维，一条样本仅设置一维

连续等距：比如用户年龄，可观察在如下样本中用户年龄的分布图（x坐标表示年龄，y坐标表示对应用户群累计占比），14-46岁间隔用户群分布均匀（且为相对有效年龄），且占整体用户群99%以上，这类特征可以对样本进行等值切分，间隔可根据模型效果调整

归一化LOG：比如App下载量，如下是样本中App对应的下载量分布图（x坐标表示下载量，y坐标表示对应用户群累计占比），对比年龄分布图，App群50%占比以上比较均匀，但是前50%跨度较大，此时我们使用的方案是对整体下载量求LOG，然后再进行等值One-Hot

2、引入新特征

项目初期使用的特征包括如下脑图中的蓝色与绿色特征，训练的样本量是按周，采样的正负比例是1:5，最终的AUC是0.6890；

在专注特征优化阶段，主要的方向是引入更多的特征，通过梳理，将脑图中的标黄和标灰特征纳入到引入阶段。在具体引入优先级的排期中，需要权衡特征收集的复杂度、特征的覆盖度等因素，最终在优化阶段确定引入脑图中的标黄特征，结果AUC提升到0.7592

【协同过滤】

分类粗排召回策略的优势是对主打用户长期兴趣方向定向，缺点是很难引入Item相关度较高但并非同类的Item，也就是较难发现用户隐含兴趣；协同过滤的目标就是对分类粗排召回策略缺点的一种补充。

常用的协同过滤Based-Memory包括User-Based与Item-Based，对标两种模型有如下对比：

通过调研目前项目的推荐场景优选Item-Based，接入流程上，回到整体架构图，采用离线训练Item-Item相似度矩阵并离线根据用户历史安装App进行预测，最终刷入在线Cache，供在线服务在召回流程查询协同过滤推荐结果，进而统一精排下发

5、项目展望

1、LR模型引入更多新特征 以及 特征工程更多的尝试，可参考参考文献[5]

2、pCTR预测模型尝试GBDT + LR

3、App分类互斥策略

感谢过程中Carbonzhang & Meifangli 的大力支持

本文作者 | 罗鑫骥 腾讯高级后台开发工程师

编辑 | Coding小妹

以上所述就是小编给大家介绍的《从 0 到 1 搭建个性化推荐系统》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

• 个性化推荐技术
• 实时个性化推荐介绍
• SpringBoot个性化配置
• 京东个性化推荐系统解析
• 个性化推荐系统实践应用
• 如何构建个性化推荐的系统架构？

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。