@重排序在快手短视频推荐系统中的演进

链接:渠江涛:重排序在快手短视频推荐系统中的演进 (qq.com)

想法

值得一看,混排强化学习那部分设计还不是很熟悉

端上重排,如何拆分模型部署在服务器和端上

摘录

快手推荐环节

  • image.png

序列重排

  • 重排需要解决的问题

整个序列的价值并非单 item 效果的累计,如何使得序列价值最大化;

沉浸式场景中,什么是好的多样性体验,业务意志如何体现;

同一个场景下越来越多的业务参与其中,如何恰当地分配流量和注意力,达成业务目标和整体最优;

如何更加及时、更加细微地感知用户状态,及时调整我们的推荐策略和内容。

  • generator-evaluator 范式
    • generator 从 top50 中生成模式丰富的序列类型
    • 然后使用 evaluator 评价召回的序列整体价值
  • 序列生成

    • 通过协同采样生成多序列,采样过程从原理上来讲是不断地逼近 Pareto 最优曲面,进而得到不同的采样点,形成不同的序列。
    • image.png
  • [[Rerank/Evaluator]]

    • 三个业务目标
    • 单向 Transformer (用户自上而下刷视频,下游视频对上游视频没有增益),也可以降低复杂度,提升模型稳定性。
    • image.png

序列混排

  • Base 方案

    • 混排问题定义:将各个业务返回结果恰当地组合,得到社会综合价值最大的返回序列。
    • LinkedIn 优化目标
      • 在用户价值体验大于C的前提下最优化营收价值
      • image.png
    • base 方案的问题
      • image.png
  • 混排 listwise 方案

    • 跨域转化模块,广告和自然内容是跨域的
    • 广告内容多任务预估,利用左侧短视频信息和 context 信息校准广告 ctr 和 cvr 等指标
    • image.png
  • 混排 RL 方案

    • 目标:长期体验和近期收入平衡
    • 状态、动作、回报
    • image.png
    • [[Duel DQN]]
      • 首先,V网络评估用户当前的满意程度,这使得模型可以在不同的用户状态下选择不同的放置策略。但由于放置策略十分离散,它的解空间相当大,那么我们需要对离散空间 dense 化。
      • 我们的 dense 化不是通过模型去做的,而是通过之前使用的重预估监督模型来实现。通过监督模型,我们就可以知道这个 action 下每个位置放置的内容可以带来多少的用户体验和商业价值。
      • 之后,我们可以使用一个神经网络对不同的 action 进行打分。
      • 我们的优化目标是每一步选择能够达到最终的总和价值最大,reward 是长期价值和近期价值的组合。
      • image.png
    • 两段式训练范式
      • 首先,使用 online policy 的方式,先将模型部署上线生成 online policy 下的数据,作为 off policy 的训练数据放入回放池。
      • 之后,使用 off policy 来训练 Dqn 模型。

端上重排

  • 需要解决问题
    • 实时感知
    • 实时反馈
    • 千人千端
    • 算力分配
  • 端上重排架构

    • image.png
  • 千人千端

    • image.png
    • image.png

Ref

读《重排序在快手短视频推荐系统中的演进》有感 - 知乎 (zhihu.com) 评论区 qujt08 感觉是快手员工?

@重排序在快手短视频推荐系统中的演进

https://blog.xiang578.com/note/wx_OTyEbPCBh1NHogPM7bBtvA.html

作者

Ryen Xiang

发布于

2024-06-01

更新于

2024-06-01

许可协议


网络回响

评论