王原-无需等待：电商领域重排模型在线学习可以先于用户反馈DataFun分享2024v3.pdf

1、DataFunSummitDataFunSummit#20242024无需等待：电商领域重排模型在线学习可以先于用户反馈演讲人-王原（花名阿町）-阿里巴巴淘天集团-算法专家Background实时在线学习与重排模型Formal Introduction重排的定义与我们的解决方案New ProposalLearning At Serving Time(LAST)结语目录 CONTENTDataFunSummitDataFunSummit#2024202401Background实时在线学习与重排模型实时在线学习 Motivations 电商领域的数据分布是动态的 存在显著的短期周期性变化 受突发

2、事件影响，比如大促，降温，公共事件 直播电商的兴起，让数据分布更加动态 Solution 不停使用最新的样本训练模型以便模型快速适应数据分布的变化 Challenges 直接依赖用户反馈 当用户反馈存在delay时，模型的更新也被迫delay 工程支持 模型的稳定性BackgroundAE-frameworkNew proposalEnding重排庄涛在IJCAI2018*首次正式提出*Zhuang,Tao,Wenwu Ou,and Zhirong Wang.Globally optimized mutual influence aware ranking in e-commerce sear

3、ch.arXiv preprint arXiv:1805.08524(2018).召回粗排精排重排1012102310341058打分量/效率精准度BackgroundAE-frameworkNew proposalEnding重排庄涛在IJCAI2018*首次正式提出大家常说的重排显式建模宝贝之间的相互影响（context information）两个流派：单点打分，序列生成*Zhuang,Tao,Wenwu Ou,and Zhirong Wang.Globally optimized mutual influence aware ranking in e-commerce search.a

4、rXiv preprint arXiv:1805.08524(2018).BackgroundAE-frameworkNew proposalEnding重排庄涛在IJCAI2018*首次正式提出大家常说的重排显式建模宝贝之间的相互影响（context information）两个流派：单点打分，序列生成我们眼中的重排*context中包含着巨大的可能性打散，如店铺不扎堆，品类不扎堆，展示样式不扎堆流控，如冷启内容占比多形态内容混合*Zhuang,Tao,Wenwu Ou,and Zhirong Wang.Globally optimized mutual influence aware ra

5、nking in e-commerce search.arXiv preprint arXiv:1805.08524(2018).*Chen,Sirui,et al.Controllable Multi-Objective Re-ranking with Policy Hypernetworks.Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.2023.直播商品用研视频图文直播商品列表图文猜你喜欢关注BackgroundAE-frameworkNew proposalEndingDataFunSummitDataFunSummit#2024202402Formal Introduction重排的定义与我们的解决方案重排问题定义 Problem definitionBackgroundAE-frameworkNew proposalEnding重排问题定义 Problem definitionBackgroundAE-frameworkNew proposalEnding