短視頻如何做到千人千面？FM+GBM排序模型深度解析
摘要： 背景 信息流短視頻以演算法分發為主，人工分發為輔，依賴演算法實現視頻的智能分發，達到千人千面的效果。整個分發流程分為：觸發召回、排序與重排三個階段。排序層在其中起著承上啟下的作用，是非常重要的一個環節。在排序層優化的過程中，除了借鑒業界前沿的經驗和做法，我們也做了模型上的一些創新。
背景
信息流短視頻以演算法分發為主，人工分發為輔，依賴演算法實現視頻的智能分發，達到千人千面的效果。整個分發流程分為：觸發召回、排序與重排三個階段。排序層在其中起著承上啟下的作用，是非常重要的一個環節。在排序層優化的過程中，除了借鑒業界前沿的經驗和做法，我們也做了模型上的一些創新。
信息流短視頻排序目前使用是以CTR預估為目標的Wide&Deep模型。通過引入時長特徵、點擊+時長多目標優化等工作，我們取得了不錯的收益：
● 增加視頻平均播放時長特徵，作為用戶真實體感信號，帶來用戶消費時長提升；
● 通過消費時長樣本加權，實現點擊+時長多目標優化，實現點擊率與消費時長的提升；
● 引入多個視頻下發場景的樣本數據，實現多場景樣本融合；
在優化排序模型的過程中，我們也調研了DeepFM/DeepCN等深度模型，這些模型無論從離線還是線上指標上，都沒有明顯優勢。在優化Wide&Deep模型的同時，更迫切的需求，是跳出原有的框架，尋找新的收益點。
引入GBM對submodel和高級特徵等信號做集成學習，效果要優於單模型。從計算學習理論上看，Wide&Deep是high-variance模型，容易過擬合(wd模型的訓練比評估指標高7%)。GBM通過boosting的方式組合集成多個submodel和高級特徵，更好地發揮各自不同的作用和優勢互補，同時從整體上有更好的可解釋性。
上面是對信息流短視頻排序模型演進的簡要介紹；而其中的FM+GBM模型是我們團隊比較有開創性的一項工作，下面稍微展開介紹。
模型
向量分解機（Factorization Machines, FM）是一種應用較為廣泛的推薦模型，其發明者Steffen Rendle目前供職於Google。FM是對傳統LR模型在處理高階交互特徵問題上的優化和改進：LR通過特徵交叉的方式，將組合後的特徵作為新特徵加入到模型中，模型複雜度為O(N^2)（N為交互特徵的數量，下同），記憶性較強而泛化性偏弱；FM通過將特徵表徵為隱向量，通過隱向量的相似度（內積）來表示特徵關聯這種方式來巧妙地提升模型的泛化能力；FM模型的複雜度為O(N*k)（k為隱向量維度超參）。
以二階交互的FM模型為例，其模型定義如下：
FM本質上是一個線性模型，不同項之間以線性組合的方式影響模型的輸出。如果要考慮更加複雜的模型組合，計算複雜度將會非常高。儘管學術界也有像張量分解（Tensor Decomposition）這類處理高階交互特徵的模型；但在工業級，考慮到效果與性能的折衷，往往只考慮二階的交互。但在此基礎上，我們可以考慮引入非線性的模型來優化FM模型。
在非線性模型中，樹模型（CART/GBM/Random Forest）的應用非常廣泛。我們引入GBM作為組合FM的非線性模型：
FM+GBM一期（純GBM）
一期主要打通整個實驗框架和數據流，並沒有引入額外的信號。GBM使用的信號包括：wd/lr模型等sub-model打分、點擊率/時長和體感特徵，以及一些簡單的匹配度特徵。整個實驗框架比較簡單：精排流程新增GBMScorer，實現以下2個功能：
● 分發伺服器通過流量分桶決定精排是否使用GBM打分，由GBMScorer具體執行；
● 特徵歸一化和迴流。提取的特徵經歸一化後返回給分發伺服器，由分發伺服器迴流至日誌伺服器落盤。點擊日誌也同時經由日誌伺服器落盤。點擊-展現日誌通過reco_id+iid對齊，經清洗、過濾和反作弊處理後，提取迴流特徵用於模型訓練；
在調研和實驗的過程中，以下是一些經驗和教訓：
● 樣本與超參的選擇：為了讓模型儘可能地平滑，我們從7天滑動窗口的數據中隨機抽取樣本，並按比例分割訓練/驗證/測試集。通過交叉驗證的方式選擇超參；在所有的超參中，樹深度對結果的影響比較大，深度為6時效果明顯優於其他選擇。在調參過程中，auc和loss這兩項評估指標在訓練/評估/測試數據集上並沒有明顯的差異，由此可見GBM模型的泛化性。
● 離線評估指標：auc是排序模型常用的離線評估指標之一，但全局auc粒度太粗，可以結合業務計算一些細粒度的auc。行業有採用以Query為粒度，計算QAUC，即單個Query的auc，再按均值或者加權的方式融合得到的auc，比起全局auc指標更加合理。我們採用類似做法，以單次下發為粒度計算auc，再計算均值或者按點擊加權。需要注意的是，auc計算的粒度決定了劃分數據集的粒度。如果按照單次下發為粒度計算，那麼一次下發的所有樣本都必須同時落在訓練/評估/測試數據集上。除此之外，單次下發中如果零點擊或者全點擊，這部分數據也是需要廢棄的。
● 特徵的歸一化：尤其是對與用戶相關的特徵進行歸一化尤為重要。通過分析精排打分（wd），我們發現不同用戶間的精排打分分布的差異較為顯著：同一用戶的打分方差小，分布比較集中；不同用戶用戶打分均值的方差比較大。如果不對精排打分做歸一化處理，GBM訓練過程很難收斂。
GBM和精排打分也會隨特徵迴流。日誌對齊後，可以對這兩個模型在離線評估指標上做比較fair的對比。從全局auc/單次下發粒度auc與小流量實驗的結果來看，細粒度auc與在線實驗的效果更加趨於一致。
FM+GBM二期
一期搭建了實驗框架和數據流，二期開始考慮引入新的信號。
縱觀眼下GBM用到的信號，主要分為兩類：一是item側信號，這類特徵從各個維度刻畫了item的特性：熱度、時長、質量等。這類特徵有助於我們篩選精品內容，提升推薦質量baseline。二是相關性特徵，用於刻畫用戶和視頻的關聯度（關聯度可以通過點擊刻畫，也可以通過時長刻畫；目前主要通過點擊），提升推薦的個性化，做到千人千面。個性化水平才是信息流的核心競爭力。
目前相關性特徵通過長短期用戶畫像計算和視頻在一級/二級類目和TAG上的匹配程度，至少存在2個問題：
● BoW稀疏的特徵表達無法計算語義層面的匹配度；例如，帶足球標籤的用戶和梅西的視頻通過這種方式計算得到的匹配度為0。
● 目前視頻結構化信息的準確率/覆蓋率較低，會直接影響這類特徵的效果。
wd/lr模型能夠一定程度解決上述問題。尤其wd模型，通過embedding技術，將用戶和視頻本身及各個維度的結構化信息嵌入到一個低維隱向量，能夠一定程度緩解這個問題。但是這類隱向量缺乏靈活性，無法脫離wd模型單獨使用：計算用戶和視頻的匹配度，除了需要用戶和視頻的隱向量，還要結合其他特徵，並經過一系列隱層的計算才能得到。
業界主流公司的做法，是通過FM模型，將所有id特徵都分成在同一個空間內的隱向量，因而所有的向量都是可比的：不僅用戶與視頻本身和各個維度的匹配度，甚至用戶之間、視頻之間，都可以通過簡單的向量運算得到匹配度。從模型結構看，FM模型可以認為是能夠更加緊密刻畫這種匹配度的神經網路結構。為此，我們引入FM模型分解點擊-展現數據，得到用戶和視頻本身及各個維度的隱向量。通過這些隱向量計算用戶和視頻的匹配度。這些信號和與其它sub-model和高級特徵一起，通過GBM進行點擊率預估。
這種做法與Facebook在KDD"14發表的LR+GBDT模型有相似之處，差異在於： LR+GBDT本質上是線性模型，而FM+GBM是樹模型，能夠處理信號與目標間高度非線性的複雜關係，也具備更好的可解釋性。整個演算法框架如圖所示：
由於FM需要例行訓練，用戶隱向量灌庫和視頻隱向量載入之間存在時間差，而不同版本模型的隱向量之間是不可比的。為此我們設計了簡單的版本對齊機制：所有隱向量都會保留最近2個版本的數據；在FM在線計算模塊中，實現版本對齊的邏輯，用對齊後最新版本的隱向量計算匹配度。由於例行訓練的時間窗口為4~6個小時，保留2個版本的數據是足以保證絕大部分隱向量能夠對齊。在更加高頻的模型訓練中，可以增加版本的數量來確保模型對齊。
效果上：一期+二期離線AUC提升10%，在線CTR和人均點擊提升6%。
結語
信息流短視頻排序層經過一段時間的迭代優化，目前已經形成 LR->WD->FM+GBM這套相對比較完備體系。這種漏斗體系有助於排序層在性能和效果之間trade-off：越往後，模型越複雜/特徵越高級/計算量越大，而參與計算的視頻數據量更少。
後續我們的優化目標將從點擊率預估轉向時長預估，由感知相關性轉向真實相關性。這種轉換是合理且必要的：用戶點擊容易受到標題和封面等因素的干擾，而真正體現用戶興趣的是消費時長。時長模型以及點擊率預估模型與時長模型的融合實現收益的最大化，將是下一個要重點攻克的問題。
本文作者：馬澤鋒
TAG:雲棲社區 |