从直播业务上线起,本人就开始负责整个推荐体系的搭建,包括最基础的数据上报链路的设计,特征画像体系的构建,物品的召回方式,以及精排模型的迭代优化还有最后重排层策略的设计和完善。到目前为止,推荐体系中各个核心模块,比如特征、召回、精排和重排,已经有了一个比较完整稳定的相架体系,虽然还没到达到非常完善的程度,但也在各个模块中做了很多的尝试和优化,整体优化下来,人均时长也比提升了10%以上。推荐体系具体模块及主要成果如下:
•完成了直播推荐算法体系从 0 到 1 的搭建,包括数据上报规划、特征体系构建及召回
层、精排层和重排层的算法模型或策略体系的搭建
•从离线、实时、用户流水数据和基础属性四个维度搭建特征体系,完善用户和物品的
画像特征
•构建多路召回策略,包括实时相关召回、热度召回、用户历史偏好召回等,全面覆盖用
户潜在偏好主播
•基于 TensorFlow 框架构建深度学习精排模型,从单目标模型、多目标模型逐步优化至多
场景多目标模型,涉及算法包括 DeepFM、ESMM 和 MMOE,模型优化点包括样本权重优化、
多目标 loss 优化、序列 ID 特征 Attention、多目标融合