搜索EE场景排序链路升级

作者：京东零售 吕豪

布景

EE（Explore & Exploit）模块是查找系统中改进生态、探究产品的重要链路，其方针是缓解数据马太效应导致模型对产品排序丰厚性、探究性缺乏，带来的系统非最优解问题。

在JD查找系统中，EE模块被定义的中心定位是：在给定流量和时刻的束缚下，探究出更多高功率的产品。EE的优化方针即为，以保证查找功率为条件，提高广义中长尾产品的探究成功率，提高查找成果的流动性、丰厚性。

EE场景迭代闭环

因为EE场景的特殊性，其从中心定位 → 在线目标 → 离线评价系统 → 模型迭代的优化链路中的每一步，都需结合EE特点进行针对性晋级。

以下别离从模型迭代、在线试验目标、离线评价系统介绍相应模块的优化。

模型Debias迭代

问题布景

EE的中心定位在于探究更多更高效的潜力中长尾产品，其首要回答的问题便是，在现在查找系统中，哪些要素阻碍中长尾产品取得更公平合理的展现时机？系统性的各类bias 。

1). Position-bias (展现方位偏置)

当时打分模型根据每天dump的查找日志进行练习更新。因为查找成果的position-bias(方位偏置)效应，user的行为动作不仅与产品本身质量有关，而且受position(展现方位)较大影响。position-bias(方位偏置)效应对头部产品的增益，加剧了渠道生态的马太效应。使用position-bias的日志数据进行练习，而未对position(展现方位)做去偏，不利于中长尾产品的正确功率预估，不利于渠道流动性、丰厚性和长时间价值。

2). Polularity-bias (盛行度偏置)

存在与user偏好匹配程度适当的多个产品时，因为产品间的前史累计销量、累计谈论等盛行度特征的差异，形成倾向于给用户呈现抢手盛行产品，已盛行产品则更盛行。而匹配程度类似的中长尾产品，则难有时机被展现，中长尾更中长尾。

3). Exposure-bias (曝光偏置)

一次查找恳求下，只有有限的产品列表展现给user，绝大多产品无法展现；查找系统一天内，全体被展现的产品集也只占全部产品集的小部分。 由此带来的问题一方面是模型泛化问题，练习在已展现产品的日志上进行，serving需在一切产品上做揣度，怎么平衡练习、揣度样本分布差异化的对立，尤其是头、尾部产品的巨大间隔。另一方面是产品label问题，产品未累积取得用户正反馈，是因为与用户不匹配，仍是未有展现时机？

针对以上bias问题，EE排序模型从方位偏置建模、反现实推理学习方面进行晋级，尝试缓解position-bias和polularity-bias，取得必定收益。而Exposure-bias因为随机dump样本的label问题，还需要做更多探究。

现在EE排序模型全体结构图：

• 针对方位偏置，规划position-bias net于练习时建模方位效果、猜测时mask，进行展现方位去偏。

• 针对盛行度偏置，构建 U-I net/ item_net/ user_net 别离建模 用户-产品内容匹配度、盛行度因子、用户心智偏好因子的影响，根据因果效应消除偏置因子效果，复原用户对产品本身内容的偏好度。

方位去偏迭代

1.Position-bias 方位偏置建模。

EE模型晋级至练习、猜测两阶段的position-debias方案，经过pos-bias tower建模position-bias影响，并在高语义层级与输出均值交融，拟合练习label，而后在猜测阶段去除，以期去除pos-bias影响。

Pos的建模方法

1.1 pos as feat

练习阶段，pos作为模型特征使用，与其他u/q/i侧特征联合，一起输入模型网络，核算相应logits并梯度回传。猜测推理阶段，一切样本强制选用同一个pos值，近乎理解为：同一个user/query下， 一切产品在相同的展现方位上，进行猜测分数比较。

其潜在风险如下：

• 强制pos数值怎么挑选。展现方位一般可约束在[0-30/60]内，然而不同强制方位的设定，会带来排序成果的改变，怎么在[0-60]间挑选合理的强制方位，以及不一起刻和分布下，强制方位的挑选是否要从头进行。

• pos特征的重要性。将pos特征由网络底层输入，其重要性或许难以在最终的logits中得以充分体现，其物理含义（方位要素影响用户产品交互行为的效果巨细）不易直观理解。

1.2 multi-pos predict

规划最终一层为多方位通道输出的网络，猜测产品在各枚举方位上的logits输出。练习阶段核算产品在一切方位上的输出成果，只激活实在的pos通道核算logit和loss，其他方位通道进行mask。揣度时，贪心的从第一个方位开端，无放回的挑选当时方位上的最优产品，直至最终一个方位。

此方案适配用于排序方位较为固定的场景，如重排N选N，在查找EE现有架构下并不适配，一方面是SVGP结构对多通道成果输出并不友好，另一方面，EE现有插入范围较大[1-60]、比较插入机制也需做十分复杂化的适配改造，方案过重。

1.3 pos as tower

晋级现有DNN + 稀少变分高斯(svgp) 采样打分模型，选用根据position-bias net(方位偏置)的模型方案，方案详细为练习、猜测两阶段的方位去偏。

• 练习阶段经过引进展现方位表征作为方位偏好网络，与根据user/query/item的主网络一起输入，预估产品在当时方位(方位偏好网络)及本身质量(主网络)下的打分。

• 猜测阶段经过去除方位偏好网络，猜测产品仅根据本身质量的采样打分，去除展现方位影响。经过此方案能够缓解练习数据的position-bias(方位偏执)，下降头部产品因为展现方位的打分增益，一起削减中长尾产品因为靠后方位的打分折损，优化查找成果丰厚性和渠道生态。

2. 个性化方位偏置建模。

用户对产品的偏好是个性化的，不同用户对产品的偏好不同。用户对方位的偏好也是差异化的，不同用户对方位的灵敏度存在差异。

上文的bias-net建模方法，假定一切用户对同一方位偏好相同，忽略了用户间的方位偏好差异。典型例子如下，偏逛用户在系统中对position相对不灵敏，position的排名前后对用户的行为决议方案影响相对更小，而对偏快速够买用户则影响截然相反。

个性化方位偏置建模。晋级现有bias-net结构，引进用户个性化特征，包含静态profile和动态行为序列。经过个性化bias-net 核算不同用户对不同position的方位偏好，更精确的复原用户对产品内容的实在偏好。

Pos Tower 与 svgp的结合方法。

2.1 SVGP简介

GP（Gaussian process，高斯过程）是用于在样本间存在相相关系的情况下，经过观测值对不知道样本label 进行批改猜测的算法。简言之，间隔观测点越近的不知道样本，其均值被批改越多、更挨近观测值，方差也越收敛，反之亦然。SVGP（Sparse Variational Gaussian Process, 根据稀少变分的高斯过程），针对大样本量下协方差矩阵和求逆难以核算的问题，规划必定数量的可学习的引导点，对一切练习样本进行概括，不知道样本经过与引导点的协方差来核算均值和方差。

2.2表征层交融（Representation Fusion）

Pos-tower与Main-tower交融方法有两种，表征层交融和logit层交融。在SVGP核算前进行交融，即表征层向量进行交融，能够选用 concat/sum/avg 等各种方法。其难点在于，向量间的相加、平均操作，无法直观理解其物理含义和效果，向量叠加是否导致logit正向增大，向量带来多大的logit提高，这些方位偏置效果难以解析。

另外从模型结构来看，svgp依靠样本内容间类似度核算均值和方差，而position-bias的影响应该独立于样本内容的核算。

2.3logit层交融（Logit Fusion）

在svgp之后的logit层交融，可选用 logits 相乘相加方法，其直接从模型结构上诠释了这样的公式Label = f(content) + f(position) /Label = f(content) * f(position) ,其间 f(position)的绝对值巨细，直观的表明 position 带来的增益巨细。

方位偏置建模线上效果

坚持大盘功率相等的情况下，EE中心目标提高显着，探究流动性目标(探究更多产品)提高显着 +1.35%，探究成功率目标(探究更高效产品)明显改进 +0.74%。

盛行度去偏

3.1IPS

对每个产品预估 propensity score，然后选用逆向 propensity score 权重的方法，消除倾向分的影响，预估产品实在的内容匹配度得分。

挑战点：

• 怎么精确取得 propensity score，这是对后续纠偏的条件挑战。

• 全体为两段式练习，链路上有必定复杂度。

3.2 盛行度降权

在实际搜推数据中，在user侧、item侧别离根据其盛行程度，规划对应降权权重，缓解全体被抢手用户、产品所主导的趋势，增强所重视样本的影响力。

面对难点：

• 合理的规划权重方案。

• 怎么发掘hard example。

3.3 根据因果联系的反现实推理

怎么缓解盛行度偏置问题？在练习链路中，增强改进中长尾产品的学习是一类重要方法；对用户交互行为进行解构，拆分出产品盛行度等因子的效果，是另一个视角的处理思路。

因果图、因果联系简介

因果图是有向无环图，其间节点表明随机变量、有向边表明节点之间的因果效果方向。如上图对于节点Y变量，有两条途径的因果效果，别离是 I → Y 、I → K → Y。

• I → Y 表明从 I 节点开端的天然直接因果效应 (NDE)，效果途径上没有中心节点。
• I → K → Y 表明从 I 节点开端的直接因果效应 (TIE)，K是途径上的中心节点。
• 直接因果效应和直接因果效应之和，即为Y变量的总因果效应 (TE)。

总因果效应核算，能够由自变量的单位扰动带来的因变量改变进行核算，天然因果和直接因果效应核算亦然：

以上公式可得，求出TE和NDE时，可推导核算中直接因果效应 TIE。

查找中的因果效应

在电商查找场景下，用户对产品的交互行为，可表明为 U-I 间各种因子的归纳效果。常见思路为考虑 U-I 间内容匹配程度作为待猜测因子，学习此因子在交互行为中的效果，在未来样本上进行猜测排序。

从电商查找的现实情况动身，对交互行为进一步拆分，影响用户产品交互行为的因子大体包含如下三方面：

• 1). (U-I)→ Y,U-I 内容匹配度因子，用户与item本身内容的匹配程度、喜好程度对交互行为的影响，越喜欢则越点击购买，
• 2). I → Y, Item盛行度特征，内容偏好匹配程度适当的几个产品时，因为前史累计销量等盛行度特征，抢手产品展现更多、被交互概率更高。
• 3). U → Y, 用户天然心智，user对盛行产品的偏好程度不同，有些用户更倾向于抢手产品，部分用户则并不灵敏。

以上因子的拆解，包含了U/I 内容匹配度的直接因子的效应，也包含了 U、I的直接效应影响。因此在EE模型中规划如下网络，别离建模各个因子的效果：

详细别离规划UI-Match-Net, User-Net, Item-Net 别离猜测对应三种因子的效果，其间总效应，U/I 效应别离表明为

在练习中Loss的规划如下，别离表明

• U-I与label的loss，优化主模型的精确性

• U、I侧直接因子的loss，经过这种方法别离猜测两种直接因子对交互成果的影响

• alpha/beta 为练习时超参

猜测阶段缓解盛行度偏置，首要在于去除盛行度要素、用户心智因果(偏置因子)的影响，详细经过总因果效应减去天然直接效应(偏置因子效应)，尽量精确复原 U-I 内容匹配程度的影响

TIE = TE – NDE

反现实推理后的因果图状况如下，将U/I 的直接效应消除，保留U-I 内容匹配度的效应：

反现实推理建模线上效果

坚持大盘功率相等的情况下，EE中心目标提高显着，探究流动性目标(探究更多产品)提高 +0.82% ，探究成功率目标(探究更高效产品) 明显提高 +0.66%。

在线AB目标

探究成功率目标，用于在小流量AB期间辅导EE效果剖析，其规划思路从EE中心价值动身，推导出长时间价值相相关的AB期间中心目标。

详细而言，即证明 探究成功率目标 → EE中心价值。

• 满足探究成功率的产品，盯梢其必定时刻后在查找中的接受状况，是否被大盘较好接受。
• 查找中接受状况，首要为三要素：流量、点击、订单。

经过对 1). 产品概略和接受定义, 2). 产品接受计算, 3). 分层接受剖析 等方面进行剖析，迭代出查找EE在AB试验期间所重视的EE中心目标集–探究成功率。

离线评价系统

EE线上目标首要重视

• 1). 大盘功率，UCVR和UV价值
• 2). 探究成功率， 其他辅佐观测目标包含 流动性目标、丰厚性目标。

在线的探究成功率和辅佐目标，现阶段难以与模型离线目标（AUC等）相关，无法在离线评测EE模型的探究才能，约束EE模型迭代速度，极大添加迭代时刻成本。

针对EE场景特异性的目标，规划了离线目标评测集合，别离从 功率、中长尾探究强度、不确定预估等方面，归纳评测EE模型，加速迭代。

总结

查找EE是提高查找场景流动性、多样性的关键模块，其面对的问题和以功率排序为主模块的问题有很大差异，对EE同学提出了不一样的挑战。

针对EE场景的特点，排序模型从Debias(打分公平性)下手，拆解存在于各种排序场景的bias问题，对方位偏置和盛行度偏置问题晋级较通用化的处理方案，取得了EE中心目标的明显提高。一起对于迭代链路中的 在线AB目标、离线评价系统，也进行了证明和迭代，完成对整个EE排序闭环链路的晋级。限于篇幅，AB目标和离线评价系统在这里不做全面展开，感兴趣的同学欢迎随时交流，一起讨论。

EE场景面对的挑战许多，后续方案从如下方面持续深化探究：

1). 引进更丰厚的用户探究信号的表达，添加explore-net和监督loss，提高EE模型对探究偏好的学习。

2). 考虑EE的长时间价值，怎么在模型结构、Loss规划上结合长时间价值。

3). 优化EE探究机制和EE候选集，提高EE全链路探究才能。