参考
问题描述
对ctr排序结果进行微调,考虑结果列表中item-item的相互作用,并且这种作用是user个性化的。
算法亮点
1. 模型组件
- 个性化PV。学习user个性化的item-item相互作用。排序任务越难,个性化重排作用越大。
- item特征X。学习item-item相互作用。
- 位置编码。学习序列信息。
2. 不同组件的贡献
模型组件 | 重要性 | 贡献大小 |
---|---|---|
个性化PV | 非常重要 | 线上线下效果见表1。 考虑了个性化PV后,GMV增长了6.65%。 不考虑时只增长0.36%,基本没啥用。 |
位置编码 | 重要 | 作用见表2。去掉后结果变差。 |
transformer层数 | 有点用 | 作用见表2。最佳层数为4。 |
直连层 | 无用 | 作用见表2。梯度消失问题较小。 |
dropout | 无用 | 作用见表2。过拟合问题较小。 |
注意力头数 | 无用 | 作用见表2。序列不够长,信息单一,多头注意力增长不大。 |
表1:电商数据离线和线上结果
表2:transformer不同组件的贡献分析
改进点
- 使用类似快手的门控网络,给出更user个性化的item-item相互作用?