Page-level Optimization of e-Commerce Item Recommendations

一，背景

原文链接：arxiv.org/abs/2108.05…
论文来源：recSys2021
论文简介：论文研究的场景是“产品详情页”(item details pages, IDP)，在产品详情的下面，用户也可以看到很多推荐模块（槽位），每个模块内展示一些相关推荐item。以往的算法聚焦在槽位内部的产品推荐，其背后可能有很复杂的推荐算法。本文主要研究推荐模块（槽位）的页面级优化问题。由于槽位的出现及顺序往往服务于客户策划和静态配置、忽略了个性化的机会。因此，该论文提出，以“网页页面”为优化单元，综合考虑用户偏好还有top-down展示的modules之间的关系，展示最符合用户购买意图的模块组合，吸引用户发生点击和购买行为，提高电商系统详情页的推荐效率。其提到的推荐场景和主页推荐、结算页推荐很相似，基本框架如下图：

二，相关工作

相关工作就是在一个页面上进行模块选择并把他们排序的问题。工业界已经有一些解法，相关方法如：

建模成一个point-wise的问题。这种方法因为没有考虑到模块之间的关系，很容易得到次优解。
组合推荐。每种展示组合成为一种候选，从中选择最优展示组合。这种比较费资源，复杂度也相应提高。
作者提出，可以将页面优化问题转化为一个序列排序问题。RNN比较适合这个场景，因为页面的设计是top-down结构，用户也都是从上到下浏览。因此，文章提出了一个两阶段的RNN模型（简写为TRNN），该模型对用户点击(ctr)和购买(ptr)概率进行建模。同时，线上推理时，为解决组合复杂性高的问题，通过贪心选取，保证了每个模块的选择都是基于前序模块展现下的最优结果；通过定向搜索，保证了模块展示的多样性、避免陷入局部最优。

三，模型

3.1 数据获取

1. 基于汤普森采样，生成训练样本
文中提到训练模型需要用数据，但由于槽位的现状是依赖固定配置，因此论文需要使用explore数据来作为训练样本。但若是随机流量，可能对业务指标产生影响产生负向影响，因此使用了汤普森采样来产生训练样本。汤普森采样的具体做法是维护了beta分布的两个超参，来平衡探索和利用的关系。
其中，r服从beta分布，其两个超参 $\alpha, \beta$ 由用户历史点击量和浏览量进行一定缩放得到。

2. 根据用户购买意图，为点击样本加权
基本思路即将用户的点击、购买行为按时间关系排排队，并按购买截断生成session。每个session中的点击行为按照和购买行为发生时间的先后关系赋权。这样模型预估时，能够更加考虑用户购买意图。

3. 修正槽位位置偏置
同一个物料处于不同的位置，用户可能有不同的点击概率。因此，使用了一个基于位置的点击模型来消除槽位位置偏置。（为此还进行了随机替换槽位的流量实验，基于实验数据进行了槽位偏置的建模）因此，用户点击某模块的概率可以被拆分成：
但由于 $P(y_c=1|m)$ 很难计算出来，因此，将这种方式转化成各位置相对于1位置的点击倾向性。并且基于这个倾向性，在训练时将IPS乘在loss中。

3.2 两阶段模型

模型整体结构如上图，分成了两个阶段，细拆来看并不复杂：
阶段1是将hero item和已经产生的推荐模块作为页面环境信息(x)，输入一个LSTM。
阶段2是将LSTM产出的结果和当前模块信息作融合，最后经过MLP产出预估值。整体的结构可以简述为，模型参考了页面已有的模块信息，对当前模块的点击或购买行为进行预估，隐形的考虑了modules之间的关系。如下：

3.3 定向搜索

这里没有太明白。先把原文粘贴上来吧

四，离线指标

TRNN、TRNN + IPS vs baseline
模型加入用户个性化特征
多任务、多任务loss使用自适应loss调权

五，在线指标

四中提到的三种模型，进行线上实验时的AB指标
上文中提到使用汤普森采样得到的数据来训练模型，相比于随机流量，也取得了AB指标的提升；另外是，由于很多候选modules可能属于同一类群，那么作者提到，对于同一类modules设计策略不让他们顺次展现（丰富展现多样性），相对于纯汤普森采样，也能带来AB指标提升
上文中提到使用定向搜索，也取得了AB指标的提升

Page-level Optimization of e-Commerce Item Recommendations 论文阅读