"导读：严选是网易旗下受新中产喜爱的电商品牌，覆盖居家生活、服饰鞋包、美食酒水、个护清洁、母婴亲子、运动户外、数码家电等品类。严选站内业务包括核心入口页、活动页、商详页，还有其他小流量的场景。目前这些场景都已经实现了个性化推荐算法的覆盖，严选电商推荐场景中算法建模面临多目标平衡、多场景数据如何共用等 ...."

Fork me on GitHub

alg
本助手集算力、智能于一身，为您提供最精彩全面的人工智能技术资讯
网易算法 • 0 回帖 • 1.6K 浏览 • 1 年前

网易严选跨域多目标算法演进

导读： 严选是网易旗下受新中产喜爱的电商品牌，覆盖居家生活、服饰鞋包、美食酒水、个护清洁、母婴亲子、运动户外、数码家电等品类。严选站内业务包括核心入口页、活动页、商详页，还有其他小流量的场景。目前这些场景都已经实现了个性化推荐算法的覆盖，严选电商推荐场景中算法建模面临多目标平衡、多场景数据如何共用等问题的挑战，针对这些挑战，本次主要分享跨域多目标在严选推荐算法中的实践。

全文目录：

背景介绍
多目标建模及演进
长期价值探索
多场景建模的实践

其中 Part2 围绕严选业务，介绍如何多目标建模，以及进一步演进至跨域多目标建模的具体做法；Part3 主要分享在推荐业务中长期价值的探索；Part4 则集中在多场景建模，并结合某业务场景的实践进行细粒度讲解。

分享嘉宾｜强小辉/陈自强网易严选推荐算法工程师
编辑整理｜李润顺知乎
出品平台｜DataFunTalk

01 背景介绍

推荐系统的总体流程可以分成四块，主要是召回、粗排、精排、重排。其中精排会承载很多业务模块的业务指标，在不同业务模块，关注的业务指标有所不同。对于某一些业务指标，存在转化数据比较稀疏，以及冷启动的问题。另外，我们在与业务方的交流中发现，他们关注的一些业务指标与算法目标不直接相关，需要我们去做一些长期价值的探索。

严选精排算法演进过程，开始是基于深度学习的 CTR 单目标建模，然后在此基础上增加了基于用户行为序列进行建模，接着衍生到多目标建模，最后是跨域多目标建模。

02 多目标建模及优化

1. 样本与特征

近年来，多目标建模是业界排序建模的主流方式，而业务数据和特征工程决定了模型的上限。

在多目标建模中，我们选取用户的点击与转化行为为正样本，根据 Skip-Above 原则， 选取曝光未点击的样本作为负样本 。此外，在样本构造中还会注意以下几个优化点：

头部的热门商品可能存在过曝光，需要对这种 Top 流量的商品做降采样。
短时间之内会存在同一商品的多次曝光，需要在时间窗口对样本进行聚合，保留点击样本、剔除曝光未点击样本。
虚假曝光，第一种是用户在刷 Feed 流浏览时，快速滑跃或无意识的快速浏览时的曝光；第二种是由于页面布局的影响，导致卡片头部一定比例在页面加载时默认曝光。这两种曝光实际上并没有对用户产生心智影响，因此，需要定制规则去噪。
假正样本，主要包含用户的误点以及点进去之后快速回退的操作，用户并没有对商品产生兴趣，这类正样本也需要特殊处理。

特征工程方面 ，我们将其分为四类：数值特征、类别特征、序列特征和 Embedding。各类特征 处理方式如下 ：

数值特征的处理，对连续特征进行归一化，或者采用 RankGauss[1]（Rank 预处理保留数据排序信息，并转化为高斯分布）；然后进行分桶，再计算 Embedding 。
类别特征，通过哈希映射，对于频率出现过低的一些类别做过滤，同时保留一个默认和异常处理的坑位，再计算 Embedding。
序列特征，把用户行为交互序列中的每个元素进行embedding，再做attention 或者 Pooling 操作。
Embedding 特征，主要是商品侧的表征特征，基于一个预训练模型得到的Embedding 作为模型中对应的商品侧表征的初始化权重；为处理值域过大的情况，可以做 Normalize 操作。

2. 模型结构迭代

目前业界主流的多目标建模的网络结构是 MMOE[2] 和 PLE[3] 两种，我们也分别迭代了这两种结构。MMOE 是基于专家网络和门控做多任务学习的框架，它的特点是每个任务有单独的门控网络，同时在底部共享几个专家网络，通过不同的门控网络去控制专家网络对于不同任务的权重贡献。PLE 是在 MMOE 的基础上更加细粒度化，在专家网络共享的同时，还给每个任务单独提供独有的专家网络。这个独有的网络会去强化每一个任务的权重学习，能够有效地避免在 MMOE 中可能由于某些任务的训练占主导地位，带偏小任务的问题；也可以让不同任务的专家，通过集成方式，进行权重交互。

3. 位置偏差与 Debias

上面介绍了数据特征处理和使用基础的多目标网络结构进行建模，在此基础上，会根据实际业务场景的问题进行优化。

第一个问题是位置偏差， 位置偏差是指推荐 Feed 流场景下用户倾向点击/交互曝光位置靠前的物品，这个信息蕴含在正样本里，可能会导致建模存在偏差 。如下图左上角是对某个业务模块做的位置偏差分析，横轴是时间，纵轴是曝光点击率。可以看到随着坑位的逐渐往下，曝光点击率逐渐下降。基于带位置偏差的数据进行模型训练，会形成一个循环反馈，模型去学习这种趋势，然后做预测推荐，会导致位置偏差在不断地放大，从而导致整体的推荐流量生态出现问题，比如部分商品过曝光。

存在的位置偏差需要做 Debias 的操作。 我们做 Debias 的方式是在 MMOE 多任务的基础上，加一个消偏模块 。整体结构如上图右边部分，输入是常见的几类特征（用户侧、商品侧、情境上下文，行为交互序列特征）。经过特征预处理后，输入到 Embedding 层，然后会进入 MMOE 主网络。同时会构建一个 Debais 辅助网络，输入主要是 Bias 相关的特征（比如商品曝光的坑位、设备的型号、用户的身份等可能影响到展示位置的特征），经过浅层网络后得到bias 的学习表征。然后把这个结果与多任务主网络学出来的 CTR 结果直接相加，再经过一层激活函数得到最终 CTR 预测结果，CVR 网络无任何操作。Debais 辅助网络的浅层部分，会加上 Dropout，主要是为了防止模型学习结果过于依赖浅层网络的特征，保证模型的鲁棒性。

多任务模型 Debias 优化上线 AB 后，人均点击数+4.95%、曝光点击率+1.70%。需要说明的是，Debias 优化需要根据具体业务特点做判断，我们的场景 AB 刚上线前几天，会对某些业务指标产生非正向收益，因为 Debias 会对热门做打压，对长尾的商品进行扶持，这可能会影响销售额。Debias 优化，本质上是从整体业务生态或者长期收益的角度考虑问题，在短期内能承载一部分收益下降的前提下，可以推全放量，它会带动整体推荐流量生态向良性、健康的方向发展。

4. 多目标 Loss 优化

此外，在 CTR 跟 CVR 目的基础上根据业务方的需求增加更多的目标，包括加购、评论商品、查看促销信息、分享、收藏等。有些目标如收藏、分享的转化数据相对会比较稀疏，这些任务与 CTR、CVR 样本比较丰富的任务一起训练时，由于样本过于稀疏，会导致训练不够充分，被带偏。

针对转化目标比较稀疏，训练不充分的问题。我们会考虑 在损失函数上引入 Focal Loss[4] 替换交叉熵函数 。如上图中的 FL(p, y)，Focal Loss 在交叉熵基础上，增加了 P 和 Gamma 两个参数，P 就是模型预测样本是否为正样本的概率。看损失函数第一项，对于正样本，P 的预测接近 1 时，1-p 的 Gamma 次方会更加接近于 0，那么很容易区分的那部分正样本，损失会下降非常明显；P 的预测接近 0 时，损失无太大变化。对负样本的处理与正样本同理。Focal Loss 目的是让 Loss 去关注/聚焦比较难以区分样本信息，Gamma 参数是去调节聚集程度。还可以再引入一个类别权重参数A lpha，去解决正负样本不平衡的问题。比如 Alpha 定义为正负样本比，增强正样本的损失影响。

另外，多个子任务一起训练时可能存在某个子任务被带偏的情况，即跷跷板（Seesaw Phenomenon）效应。我们尝试使用 Gradnorm[5] 梯度归一化来控制 WI 的权重 。梯度归一的目标是让不同的任务的 Loss 梯度量级更加接近，同时还可以让不同任务的学习速率也更加接近。通过这两个点优化 WI 权重，让各个任务的学些更加平衡。上图右下角两张图是 CTR、CVR 训练速度的展示。红线是它原有的训练速度，蓝线是经过 Gradnorm 调整之后的，可以看到调整之后，训练的速度接近 1 左右，不会出现速度训练过快或过慢的情况。

多目标损失优化，引入 Focal Loss 和 GradNorm 控制损失权重后，整体上线 AB 实验，CTR +6.92%，CTCVR+5.87%，都有显著提升。

5. 跨域多目标建模

在我们的业务中，会涉及到很多场景，比如新客、新品页面，用户的行为数据会比较稀疏，还有新上线的业务模块，刚上线数据非常少，处于冷启状态。 那么在这些场景下，如何能够让模型学习得更好呢？那就需要考虑多场景的跨域建模。 引入多场景的好处在于，首先让模型先意识到场景之间的差异性，建模拟合映射由 P(y|x) -> P(y|x, d)，输入增加了场景信息（Domain）。另外小样本的场景，能够通过对样本更加丰富/比较成熟模块的场景共性的刻画和迁移学习，让模型对小场景也能够取得更好的效果。

跨域多目标算法的整体网络结构，如上图。

底层输入特征（包括用户侧、商品侧、上下文情境、行为序列特征），经过特征预处理进入 Embedding 层，然后进 MMOE 层进行多任务的信息抽取。网络右边部分是一个辅助网络，把域/不同场景/Domain Field 相关的特征输入，然后经过一个 Domain Tower 得到对应场景的抽象特征。然后将场景的抽象特征与多任务的输出表征共同输入到 STAR 网络层（参考阿里 STAR 文章[6]），STAR 的拓扑结构里包含两种塔：共享 Share塔、表征不同场景的 Domain塔。Share塔主要去学习场景的一些共性信息，Domain 塔去学习各个不同场景对应的独特信息，之后对两边塔的权重进 Element相乘后得到的结果，作为每个场景的权重，最终得到每个场景下不同任务的输出。

这个优化上线后，在主场景和小样本场景上取得的效果有些差异，小样本场景下的提升更加明显，曝光转化率和曝光点击率有 10.8% 和 3.5% 的相对提升。主场景下，本身数据比较丰富，效果提升没有那么显著，曝光转化率和曝光点击率分别有 2.2% 和 0.81% 的提升。

03 长期价值探索

此外，我们还做了一些 提升长期价值的探索工作，分别是多业务混排和用户留存优化。 我们有很多业务模块，除了向用户透出商品卡片，还需要拓出场景化的如榜单、清单卡片、活动卡片等，这些信息在同一个模块展示，如何做到个性化的页面布局，需要做混排策略，我们基于汤普森采样算法[7]，根据线上用户的实时行为交互，做 Reward 反馈，这个反馈对每个用户去拟合 Beta 分布，在 Beta 分布上算用户对三种卡片的点击概率。如果用户刚点击过很多场景化卡片，可能后续会推更多场景化卡片。但场景化或者活动性卡片，对于我们的业务价值可能不如商品卡片那么高，如何判断混排这个动作到底有没有价值，需要去做比较长时间周期（1个月以上）的 AB 实验，观察单个模块和全站数据表现，如果全站 UV 价值和全站加购率提升，那混排就是有价值的。

用户留存优化，是指关注用户在一些模块当中有停留且有后续的行为，而不是仅关注短期产生的价值，比如我们希望在签到或者其他模块，能够通过留存来增加后期的用户价值收益，那就需要考虑如何通过主动干预来来提留存。如上图，通过数据分析可以看到用户交互 Session 长度与 3 日留存率会显著正相关（Session 长度 6-20），所以，可考虑优化用户交互 Session 长度。具体做法是在多目标建模中增加户交互的 Session 长度目标。这块我们建模优化之后得到的 AB 结论是，在首猜场景下，曝光点击率跟 3 日留存率会有一定的提升。这里也是需要我们做价值上的判断和取舍，看是否能够接受短期损失，比如说某个模块在 1 到 3 天之内部分用户未回访，但是 3 日内还没有返回，到第三天或者第四天才进行回访和留存，之后才产生价值。这个过程可能会产生一些业务价值的波动，但时间周期拉长，会看到整体的收益比短期能覆盖的范围更大。

04 多场景建模实践

1. 什么是多场景建模？

下面结合严选某业务场景，细粒度介绍多场景建模的具体实践和应用。业务定义上，根据业务场景我们将业务分为核心场景和通用推荐场景。核心场景包括核心入口页猜你喜欢、购物车、个人页等，它的特点是流量大，位置显著，数据丰富，会承担一些核心的业务指标。其他的中小流量场景，统称为通用推荐场景，特点是流量少、数据稀疏，但模块数量很庞大、场景非常丰富。接下来主要**针对通用推荐场景介绍多场景建模的思路。 **

关于多场景的定性，不同的用户群体（新客、老客）、不同客户端（iOS 、安卓）、App 中的不同模块，因为他们的商品展示形式或对用户心智影响等有一些显著差异，只要在数据上有明显的差异，都可视为多场景的一个子场景。

关于多场景建模，没有确切的定义，与学术上迁移学习和跨域推荐比较接近。在实际建模方案落地中，主要考虑如何捕获场景间的共性，同时保留各个场景的数据本身的特点。机器学习有个基础假设，训练数据要服从独立同分布，实际上各场景的训练数据的分布存在显著差异。

2. 为什么多场景建模？

如上左图，是我们之前采取的方案，在通用推荐场景下，多个场景采用同样的推荐算法。 最早期采用同一套 CF 算法，后来切换成向量算法，在后来浅层深度模型 。这会存在问题，把所有场景的数据混合在一起去训练模型，完全没有考虑到各个场景之间存在的数据差异性，模型训练方向会被大流量场景的数据带偏，导致推荐效果是一个的中庸的效果，即各个场景下都不是最优的。

另外一种极端做法，如上右图是针对每个场景，都建立一个模型 ，这样做的问题是小场景或新接入场景的数据比较稀，少量的样本很难训练出比较好的模型。同时维护成本非常高，迭代不方便。

3. 如何进行多场景建模？

我们从特征工程入手，先构造一些场景的特征，在输入层直接拼接到现有模型中，但实际效果并不理想。因为最底层加入的这些场景信息特征，经过多层抽象网络很难传递到末端，被模型学习到。通过分析各场景商品的 CTR 分布，有较明显的差异，因此场景信息有很强的先验知识。 如上右图可以通过一个偏置网络，类似位置消偏，认为不同场景数据分布的差异性是由该场景偏差导致的，偏置网络的输出层加回主网络 。这个简单的做法，只在在一些场景上有一定效果，大部分没效果。原因是仅仅依赖偏置网络进行纠偏，对不同场景的特征分布差异，没有进行很好的捕获。

在此基础上，套用 MMOE 多任务框架进行多场景建模。 顶层的每个塔对应一个场景，各个场景的特征数量和语义是保持一致的，如果某个场景有独特的特征，其他场景下特征用缺省值代替，MMOE 里用多个专家网络来隐式地学习场景间的差异和共性。但也有个问题，模型训练中，每个场景数据只单独更新对应塔权重，这样会导致某些小场景学不好，效果不大。另一方面场景特征信息，也没有得到显示的表达。基于这两方面考虑，在 MMOE 基础上增加了一个模块，首先在顶层增加 1 个共享塔，我们认为即使某个场景做预测时，其他场景也会对这个场景的预测起到贡献，此外接到顶层有个权重生成自网络，类似门控矩阵形式，最终该场景的预测是由所有场景的加权结果，这能够缓解小场景学不好的问题。由于场景数量较多导致 PLE 模型过于复杂，并可能带来的延时问题，未尝试。

在实践中参考的另一个解决方案是阿里的 STAR 星型结构模型，底层是特征共享层，往上 BatchNorm 的时候，区分场景分别进行，顶层不同的场景分别对应一个塔，同时有一个共享的中心塔。最终每个场景的输出结果是由场景塔和中心塔相乘得到的，参数更新方式是共享的参数是由所有场景的样本数据同时更新，场景参数只能由特定场景的样本去更新。但这个方案也存在场景特征信息无法显示表达的问题，因为底层的特征空间是共享的。为了解决这个问题，它的做法是把场景特征过一个偏置网络，把场景信息的信息直接传递到输出层，类似方案一。

最后的方案还是以 MMOE 为基础，底层特征共享，MMOE 专家网络结构自动选择场景间共享信息，同时针对每个场景考虑特征来源，上图中右上角为各场景的输出结构，由 MMOE 专家网络和底层的场景特征信息直接传递，并行输入。左侧场景 MLP 参数私有，右侧 MLP 参数共享。

接下来看下在通用推荐场景中的落地情况，上图中列举了 10 个场景，其中 Mix 和 Single 分别表示用混合场景和单场景数据去训练模型，Multi 代表多场景建模。从 AUC 结果可以看到，如果场景数据量比较充足的情况下（#1），单场景数据训练的 AUC 高于混合场景数据训练，同时和多场景建模是 AUC 基本持平。对于小场景（#9），数据稀疏，单场景数据训练效果不好。线上效果是在某些场景 pCTR 有 5%-10% 的提升。