前言:本文是根据个人自己看的blog及日常工作对其进行的一些总结。因为才疏学浅,如有不对之处,请发邮件指点liedward@qq.com。非常感谢帮忙指正错误。
目录
一、业务说明:
搜索、推荐广告通常是一个多目标的需求。比如电商GMV公式通常如下:
Ctr:一个item对应该用户的点击率预测
Cvr:一个item对应该用户的转化率预测
price:该item的单价
Wi:流量分配权重
如上是对一条广告的排序公式。如果ctr权重过大,平台收益可能上升,但因为转化率权重较低,会导致商家ROI较低。同样如果注重ctr和cvr,客单价便宜则会使GMV下降。之前工业上通常会由人工测试,最终看整体GMV是否提升,但随机着不同人,不同品类精细化,所以我们要找到一套自动化、精细的方法调整以上参数。
二、数据模型抽象:
多目标优化求解问题。这里就用到了强化学习优化上述参数,从而使平台GMV最大化。
如果使用强化学习的思想,那么可以假设定义以下模块:
states:
比如age, gender, power(购买力等级), pageid, hour(行为发生的时刻)等
reward:(根据业务自己设计)
reward = (是否点击+是否购买*price)* (1/排序位置)^N
Agent:
调整搜索排序(参数)
ACTION:
用户点击、用户购买行为
三、强化学习算法说明
使用的方法大体上是以下几种
- CEM (Cross Entropy Method)
- ES (Evolution Strategy)
- DDPG (Deep Deterministic Policy Gradient)
- DQN (Deep Q Network)
因为也刚刚开始看,建议可以看莫凡强化学习视频
四、例子:
(用一套假数据,完整跑一下模型)
未完待续