2 推荐系统千亿特征流式学习在大规模推荐排序场景的应用.docxVIP

【推举系统】千亿特征流式学习在大规模推举排序场景的使用 2020-02-01 原文 千亿特征流式学习在大规模推举排序场景的使用 陈绪?未知的霎时 2017云栖大会机器学习平台PAI专场，阿里巴巴高级技术专家陈绪带来千亿特征流式学习在大规模推举排序场景的使用的演讲。次要从电商共性化推举开头谈起，进而描述了技术挑战和PAI处理方案，重点共享了鲲鹏框架和算法调优，最好作了简要总结。 淘宝、天猫在无线、PC端各个场景的商品共性化推举大家都很生疏，这些呈现都是由共性化推举排序算法打算的。依据每个用户不同的爱好，做到千人千面的共性化呈现，比如手淘首页的猜你宠爱，它是阿里电商最大的推举场景，还有人群导购、看了又看、买了又买等页面，背后都是由机器学习算法来规划商品共性化排序。 点击率预估算法 商品的共性化排序一般都转化成点击率预估问题，给定一个当前用户，并且给定用户相关上下文的一些特征，来猜测对于一个特定的商品的点击概率有多大，我们期望用户点击率越高的商品排在前面，点击或者不点击是二分类问题，通过采集用户商品各种维度特征进行建模，最终训练排序模型。 点击率预估算法是经典的争辩课题，很早以前就有规律回归：Logistic Regression（LBFGS、FTRL）线性算法，还有决策树GBDT、XGBOOST供应非线性分类力量，近几年渐渐往更深层次进展争辩，比如Factorization