本文旨在分享正负反馈序列建模与多目标优化在淘宝直播排序上的实践经验。
背景介绍
直播带货是“内容+电商”这种新商业模式最火热的应用之一，传统互联网电商如PDD、JD等均已上线直播带货平台，众多内容赛道玩家如抖快也加大直播电商的投入。淘宝直播作为直播带货领域的先行者，近几年一直保持高速增长，据集团2021财报显示，淘宝直播年GMV已超过5000亿元，同比增长超90%，是集团营收的重要组成部分，同时打造出了薇娅、李佳琦等一众IP明星，形成了平台、商家、达人共赢的良好局面。
淘宝直播相比于其他内容形式，如短视频、图文等，最大的特点是实时互动，商家和达人在直播间实时进行商品展示、开展营销活动，与用户互动中完成宝贝种草、圈粉、收割变现。如何将这种实时的内容高效率地分发给相应的受众就是我们直播推荐算法团队要解决的问题，淘宝直播分发的主要场景有淘宝首页宫格的频道页、首页猜你喜欢直播feeds流等一跳场景，以及承接一跳点击进入直播间的二跳场景全屏页。全屏页提供了一个沉浸式的信息流展示形式，其承担着对用户一跳refer(引导用户进直播间的一跳点击主播)兴趣点的深度挖掘与扩展，以及对用户隐/显式正负反馈的实时感知和决策。针对前者，精排模型做了相当多的工作，保证了refer的相关性和推荐的准度，考虑到精排模型体量已经很重的情况下，如果对用户和主播实时行为建模再放到精排中就显得很臃肿，因此针对用户的正负行为反馈以及直播间实时状态的感知决策自然就落在重排阶段。
本文旨在分享正负反馈序列建模与多目标优化在淘宝直播排序上的实践经验，主要主要分为以下几个部分：第一部分描述了直播二跳场景重排序面临的一些问题以及期望达到的一些效果；第二部分基于实际的业务问题进行建模，核心优化点主要包括政府反馈序列建模和多目标优化；第三部分是模型在线上取得的真实实验效
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/40504.html