干货 | XGBoost在携程搜索排序中的应用

作者简介

 

曹城，携程搜索部门高级研发工程师，主要负责携程搜索的个性化推荐和搜索排序等工作。

一、前言

在互联网高速发展的今天，越来越复杂的特征被应用到搜索中，对于检索模型的排序，基本的业务规则排序或者人工调参的方式已经不能满足需求了，此时由于大数据的加持，机器学习、深度学习成为了一项可以选择的方式。

携程主站搜索作为主要的流量入口之一，是用户浏览信息的重要方式。用户搜索方式多样、对接业务多样给携程主站搜索（下文简称大搜）带来了许多挑战，如：

• 搜索方式多样化

• 场景多样化

• 业务多样化

• 意图多样化

• 用户多样化

为了更好满足搜索的多样化，大搜团队对传统机器学习和深度学习方向进行探索。

说起机器学习和深度学习，是个很大的话题，今天我们只来一起聊聊传统机器学习中XGBoost在大搜中的排序实践。

二、XGBoost探索与实践

聊起搜索排序，那肯定离不开L2R。Learning to Rank，简称（L2R），是一个监督学习的过程，需要提前做特征选取、训练数据的获取然后再做模型训练。

L2R可以分为：

• PointWise

• PairWise

• ListWise

PointWise方法只考虑给定查询下单个文档的绝对相关度，不考虑其他文档和给定查询的相关度。

PairWise方法考虑给定查询下两个文档直接的相对相关度。比如给定查询query的一个真实文档序列，我们只需要考虑任意两个相关度不同的文档直接的相对相关度。相比PointWise，PairWise方法通过考虑任意两个文档直接的相关度进行排序，有一定的优势。

ListWise直接考虑给定查询下的文档集合的整体序列，直接优化模型输出的文档序列，使得尽可能接近真实文档序列。

下面先简单介绍XGBoost的应用流程：

XGBoost是一个优化的分布式梯度增强库，增强树模型，灵活便捷。但对高维度的稀疏矩阵支持不是很好，另外调参确实有点麻烦。

三、特征工程实践

在传统机器学习下，特征工程显的尤为重要，不论后续模型工程做的多好，如果前期的特征工程没有做好，那么训练的结果不会有多好。所以对特征处理的总体逻辑如下：

3.1 前期数据准备

首先，我们需要进行需求分析，就是在什