多目标学习如何让知乎用户互动率提升100%?
极客时间编辑部
讲述:杜力大小:2.30M时长:02:31
如今,推荐系统已经在各行各业中有所应用,在知乎,推荐系统更是一项核心功能。
据了解,目前知乎的推荐系统主要分为两部分:一部分是首页信息流的个性化推荐;另一部分是在各种用户场景,比如问题路由、相关推荐等功能上的推荐。
在这些场景下面,知乎用到的技术并不是完全一样的,所采用的技术架构也并不相同,知乎首页技术团队负责人张瑞表示,主要还是根据用户场景来决定使用什么样的架构和技术。
知乎 CTO 李大海曾经在去年的一次演讲中提到了“多目标学习”的推荐系统,据了解这也是知乎优化推荐系统的一个方向。
张瑞表示,一般来说在搜索和推荐等信息检索场景下,最基础的一个目标就是用户的 CTR(Click-Through-Rate,即点击通过率),也就是用户看见了一篇内容之后会不会去点击阅读。但其实用户在产品上的行为是多种多样的。
虽然可以对用户 CTR 进行单个目标优化,但是这样的做法也会带来负面影响:靠用户点击这个行为推荐出来的内容,并不一定是用户非常满意的内容。这会导致 CTR 的指标非常高,但是用户接收到的推荐结果并不是他们最满意的。
后来,知乎产品研发团队发现,用户的每种行为在一定程度上代表了某个内容是否能满足不同层面的需求。而单目标 CTR 优化到了一个比较高的点之后,用户的阅读量虽然上去了,但是其他的各种行为是下降的。这个下降代表着:用户接收到太多的东西是他认为不实用的。
于是,推荐系统团队陷入思考:能不能预估用户在其他行为上的概率?这些概率实际上就是模型要学习的目标,多种目标综合起来,包括阅读、点赞、收藏、分享等等一系列的行为,就能综合到一个模型里面进行学习,这就是推荐系统的多目标学习。
经过尝试,知乎交互层面预估子任务的 AUC 值得到了至少千分之二的提升,在模型的主任务也就是预测阅读的任务中,AUC 也没有下降。上线之后,取得的效果也是非常正向的。
从平台方面来说,首页的推荐系统在知乎流量来源里面占有非常大的比重,同时也支撑着知乎各个业务的发展。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论