推荐算法在闲鱼小商品池的探索与实践

引言

个性化推荐是提升转化率的有效方法，闲鱼的大量导购场景中已经使用了个性化推荐算法，并取得了很好的效果。但是随着导购场景的微型化，精细化，出现越来越多的万级别以下商品量级导购场景，这些场景也需要引入个性化推荐，但闲鱼商品生命周期短、实时性高等的特点，限制了基于I2I的个性化推荐在这种小商品池上的召回效果。本文在介绍闲鱼的个性化推荐流程的基础上，针对闲鱼小商品池特点，在个性化推荐的召回阶段进行了一些实践和探索。

一.闲鱼中个性化推荐流程

商品个性化推荐算法主要包含Match和Rank两个阶段：Match阶段也称为商品召回阶段，在推荐系统中用户对商品的行为称为用户Trigger，通过长期收集用户作用在商品上的行为，建立用户行为和商品的矩阵称为X2I，最后通过用户的Trigger和关系矩阵X2I进行商品召回。Rank阶段利用不同指标的目标函数对商品进行打分，根据推荐系统的规则对商品的多个维度进行综合排序。下面以闲鱼的首页feeds为例，简单介绍闲鱼的个性化推荐流程。

如图1所示步骤1.1，利用用户的信息获取用户Trigger，用户信息包括用户的唯一标识userId，用户的设备信息唯一标识uttid。

如图1所示步骤1.2，返回用户Trigger其中包括用户的点击、购买过的商品、喜欢的类目、用户的标签、常逛的店铺、购物车中的商品、喜欢的品牌等。

如图1所示步骤1.3，进行商品召回，利用Trigger和X2I矩阵进行join完成对商品的召回。

如图1所示步骤1.4，返回召回的商品列表，在商品召回中一般以I2I关系矩阵召回的商品为主，其他X2I关系矩阵召回为辅助。

图1.闲鱼个性化推荐流程

如图1步骤2.1，进行商品过滤，对召回商品进行去重，过滤购买过的商品，剔除过度曝光的商品。

如图1所示步骤2.2，进行商品打分，打分阶段利用itemInfo和不同算法指标对商品多个维度打分。

如图1步骤2.3，进行商品排序，根据规则对商品多个维度的分数进行综合排序。

如图1步骤2.4，进行返回列表截断，截断TopN商品返回给用户。

 闲鱼通过以上Match和Rank两个阶段八个步骤完成商品的推荐，同时从图中可以看出为了支持商品的个性化推荐，需要对X2I、itemInfo、userTrigger数据回流到搜索引擎，这些数据包含天级别回流数据和小时级别回流数据。

二.闲鱼小商品池

2.1闲鱼商品的特点

二手商品是闲鱼的服务基础，闲鱼的商品不同于其他电商平台，闲鱼的商品具有以下几个显著特点：

商品的孤品属性，商品的生命周期短，闲鱼二手站内的商品主要来自个人卖家，来自个人的闲置商品库存数量为1，商品一旦被卖掉就会被下架，形成了商品的孤品属性；

商品的主观价值属性，二手商品的新旧程度、功能损耗、价值描述等，都是卖家根据自己的主观意愿对商品进行鉴定，很难客观和规范的衡量产品的价值。

商品的多样类目属性，二手商品的类目呈现出