推荐系统中精排模型的多目标优化

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

召回层的多路召回策略