在线排序问题模型演变的统计研究.docxVIP

在线排序问题模型演变的统计研究 摘要 关键词 前言 1 相关概念 1.1 在线排序 将杂乱无章的数据元素，通过一定的方法按关键字顺序排列的过程叫做排序。在线排序是计算机内经常进行的一种操作，其目的是将一组“无序”的记录序列调整为“有序”的记录序列。分内部排序和外部排序，若整个排序过程不需要访问外存便能完成，则称此类排序问题为内部排序。反之，若参加排序的记录数量很大，整个序列的排序过程不可能在内存中完成，则称此类排序问题为外部排序。内部排序的过程是一个逐步扩大记录的有序序列长度的过程。 通常在线排序是根据用户实时的推荐请求，对召回结果进行 CTR 预估，进而计算出排序结果并返回。我们需要根据召回结果构造测试集，其中每个测试样本包括用户特征和文章特征。首先，根据用户 ID 和频道 ID 读取用户特征，再根据用户 ID 读取召回结果，接着，遍历召回结果，获取文章特征，并将用户特征合并，构建样本，调用 TF Serving 的模型服务，获取排序结果。这样，我们就实现了 WideDeep 模型的离线训练和 TF Serving 模型部署以及在线排序服务的调用。使用这种方式，线上服务需要将特征发送给TF Serving，这不可避免引入了网络 IO，给带宽和预估时延带来压力。可以通过并发请求，召回多个召回结果集合，然后并发请求 TF Serving 模型服务，这样可以有效降低整体预估时延。还可