多目标排序模型

回顾一下推荐系统的链路

常见的交互指标

排序模型做的事情

多目标模型就是要预测多个目标

预测概率和实际是否交互求交叉熵损失

训练时通常会遇到类别不平衡问题，可以考虑做采样

采样可能导致预估点击率偏高

可以通过校准公式进行校准

Multi-gate Mixture-of-Experts

几个专家就是放几个神经网络

进一步考虑对多个神经网络的输出进行加权

可能会出现极化的现象

可以通过dropout的方式来解决极化

多目标有多个预估分数就可以有不同融合方式

视频播放建模

播放时长建模

视频完播用回归或分类都可以

完播率通常和视频时长有关，不能直接把预估的完播率⽤到融分公式

通常做个调整再用到融分公式

排序模型的特征

用户画像

物品画像

用户统计特征

笔记统计特征

场景特征

特征处理

特征覆盖率的概念

数据服务分三步

粗排

精排模型的线上推理代价大

双塔模型牺牲准确性换计算量

粗排的三塔模型

三塔模型的推理