2024餓了么算法演進(jìn)及在線學(xué)習(xí)實(shí)踐

餓了么推薦算法演進(jìn)及在線學(xué)習(xí)實(shí)踐appapp了全網(wǎng)90%以上的訂單。目前餓了么每天的訂單量達(dá)到千萬級(jí)別，屬于國內(nèi)Top級(jí)，這就意味著流量分發(fā)的效率尤在外賣領(lǐng)域有4個(gè)重要環(huán)節(jié)：流量、供給、轉(zhuǎn)化和履約，其中算法在履約環(huán)節(jié)起著關(guān)鍵的app1）生產(chǎn)方面：將離線數(shù)據(jù)升級(jí)為實(shí)時(shí)數(shù)據(jù)；引入Flume、Kafka等實(shí)時(shí)體系,通過模型打2）時(shí)效方面：數(shù)據(jù)采集從天級(jí)別升級(jí)為實(shí)時(shí)，且增加了多維度實(shí)時(shí)特征；規(guī)模方面item、user、query等業(yè)務(wù)流程中涉及的環(huán)節(jié)通過Word2Vector等實(shí)現(xiàn)了向量表達(dá)。A/BTest16年上線了簡單的LR線性模型，通過機(jī)器學(xué)習(xí)的方法獲得各因子權(quán)重，與此同時(shí)引入用16GBDTFM16XGBoost理解將其拆分為點(diǎn)擊率、轉(zhuǎn)化率2個(gè)子模型，并引入用戶、商戶的實(shí)時(shí)反饋特征，如用戶Wide&Deep、DeepFM初始階段參照Google發(fā)表的論文，復(fù)用GBDT模型使用的特征，將用戶稀疏特征、商戶DeepGBDTOne-Hot的方式加入Wide部分，效果有了較大的提升。隨后嘗試了DeepFM，總體結(jié)構(gòu)和論文保持一致，充分利用DNN提取高階特征組合以及而在線效果卻不理想。這就意味著離線評(píng)測與在線效果之間存在很大的gap。FTRLredis。說到快照的好處，它不僅支持模型增在線預(yù)測redis那么又是如何做到將所有的數(shù)據(jù)源join起來，在此特別介紹一下實(shí)時(shí)歸屬模塊。將用戶行join起來。在整個(gè)數(shù)據(jù)體系設(shè)計(jì)過程中給每一次排序打上唯一id，在整個(gè)的業(yè)務(wù)流程環(huán)節(jié)StormGBDTFTRLGBDTGBDTFTRL更新模型參數(shù)存入redis實(shí)現(xiàn)在線排序。業(yè)務(wù)目標(biāo)是優(yōu)化GMV，將會(huì)調(diào)高GMV的樣本權(quán)重。測服務(wù)不可能實(shí)時(shí)獲取參數(shù)，否則將影響在線服務(wù)性能。目前采用5分鐘定時(shí)獲取模型參致參數(shù)發(fā)生波動(dòng)，這樣的更新策略就可保證模型的穩(wěn)定性。接下來介紹2個(gè)小特色