0、背景
- 优化单个目标训练而得的点击率预估模型偏向过重,容易引发bad case(如信息流推荐中单一优化pCTR引起标题党)
- 从整体上拓宽用户从点击到转化漏斗的宽度,而不是单独拓宽某一层
- 满足多业务方需求
- 希望产品对用户的黏性增加,营造良好的用户体验
1、方案
考虑一个类似微信看一看的应用场景。推荐系统为用户推荐他们可能感兴趣的内容(内容数据分为图文、视频、新闻、小视频、人工干预等几个大类),用户对这些内容可以进行点击、评论、点赞、转发以及收藏等行为。
整个系统基本遵循召回、粗排、精排的结构。现在召回层从以下几路执行召回之后进入排序层对内容进行排序。现在需要确定一个多目标优化的方案,以同时提升点击、时长、点赞、评论和分享。
兴趣画像召回 | 协同召回 | 公众号召回 | 社交召回 | 补充召回 |
---|---|---|---|---|
一级/二级类目 | item协同 | 关注公众号 | 探索与利用 | |
topic | 内容协同 | 扩展公众号 | 冷启动召回 | |
地域 | user协同 | |||
关键词 |