如何提升推荐系统的可解释性？京东智能推荐卖点技术全解析

导读：京东智能商客之推荐卖点是基于NLP的产品，目前已广泛地助力和赋能于京东商城的各个平台。今天和大家分享一下自然语言处理如何在工业界落地实现。主要围绕以下5个方面展开：

• 推荐卖点技术背景
• 架构描述
• 核心AI技术
• 模型研发与实践
• 产品的落地与回报

--

01 推荐卖点技术背景

1. 什么是推荐卖点，用推荐卖点能做什么事情？

如何提升推荐系统的可解释性？京东智能推荐卖点技术全解析 推荐卖点是一种商品文案，或者称之为对商品的描述。商品文案，即电商平台中在线利用文字来描述商品的特征、特色点、详细信息，以辅助商家吸引顾客、促进商品销售，丰富商品的推荐理由。

商品文案有多种类型，不同类型的商品文案有着不同的功能，主要包括长文案（商品标题和商品描述），短文案（卖点）。

商品标题是一种综合性描述信息的文字，在有限的字数内，信息完整且客观地阐述商品，例如描述商品的品牌、是什么物品、主要功能等。 商品描述类似于商品广告，可围绕某些特色点进行宣传，引导用户购买该商品。 商品卖点的目标是突出商品的特色，通常在8个字以内，用于丰富商品推荐理由。 传统的商品文案多是由人工撰写，费时费力，撰写速度也很难跟上新商品的迭代速度。随着自然语言处理飞速地迭代和发展，尤其是深度语言生成模型，通过商品文案自动化生成技术，可以帮助商铺的店家以又快又省的方式进行商品宣传。

2. 目前常用的文案生产技术

商品文案自动写作属于自然语言处理领域中text summarization或者natural language generation的问题。

输入是长文本形式，包括商品属性、商品详细描述、买家评论等，输出是目标商品文案，包括商品描述、商品标题、商品卖点等。

目前有以下几种文案生成模型的方法，如Template-based generation、Deep neural network-based generation、Knowledge-based incorporate、Pattern-controlled等。

• Template-based generation：一种较为传统的方式，需要预先定义某类别商品的属性，然后进行商品的属性值提取，最后基于提取的商品属性做文案生成；
• Deep neural network-based generation：随着深度学习的出现，开始使用深度生成模型做自然语言的生成，大多依靠的是典型的编码器和解码器结构，基于transformer等特征处理技术；
• Knowledge-based incorporate：引入知识图谱和知识库等技术使生成的文案信息链更全，即使输入的信息不够完整，也可进行知识整合；
• Pattern-controlled：该种方式能够控制生成文案的过程，比如可以控制生