作者：京东零售 吕豪

背景

EE（Explore & Exploit）模块是搜索系统中改善生态、探索商品的重要链路，其目标是缓解数据马太效应导致模型对商品排序丰富性、探索性不足，带来的系统非最优解问题。

在JD搜索体系中，EE模块被定义的核心定位是：在给定流量和时间的约束下，探索出更多高效率的商品。EE的优化目标即为，以保障搜索效率为前提，提升广义中长尾商品的探索成功率，提升搜索结果的流动性、丰富性。

EE场景迭代闭环

由于EE场景的特殊性，其从核心定位 → 在线指标 → 离线评估体系 → 模型迭代的优化链路中的每一步，都需结合EE特点进行针对性升级。

以下分别从模型迭代、在线实验指标、离线评估体系介绍相应模块的优化。

模型Debias迭代问题背景

EE的核心定位在于探索更多更高效的潜力中长尾商品，其首要回答的问题便是，在目前搜索体系中，哪些因素阻碍中长尾商品获得更公平合理的展现机会？系统性的各类bias 。

1). Position-bias (展示位置偏置)

当前打分模型基于每天dump的搜索日志进行训练更新。由于搜索结果的position-bias(位置偏置)效应，user的行为动作不仅与商品本身质量有关，而且受position(展示位置)较大影响。position-bias(位置偏置)效应对头部商品的增益，加剧了平台生态的马太效应。使用position-bias的日志数据进行训练，而未对position(展示位置)做去偏，不利于中长尾商品的正确效率预估，不利于平台流动性、丰富性和长期价值。

2). Polularity-bias (流行度偏置)

存在与user偏好匹配程度相当的多个商品时，由于商品间的历史累计销量、累计评论等流行度特征的差异，造成倾向于给用户呈现热门流行商品，已流行商品则更流行。而匹配程度相似的中长尾商品，则难有机会被展现，中长尾更中长尾。

3). Exposure-bias (曝光偏置)

一次搜索请求下，只有有限的商品列表展现给user，绝大多商品无法展示；搜索系统一天内，整体被展现的商品集也只占全部商品集的小部分。 由此带来的问题一方面是模型泛化问题，训练在已展现商品的日志上进行，serving需在所有商品上做推断，如何平衡训练、推断样本分布差异化的矛盾，尤其是头、尾部商品的巨大差距。另一方面是商品label问题，商品未累积获得用户正反馈，是因为与用户不匹配，还是未有展现机会？

针对以上bias问题，EE排序模型从位置偏置建模、反事实推理学习方面进行升级，尝试缓解position-bias和polularity-bias，取得一定收益。而Exposure-bias由于随机dump样本的label问题，还需要做更多探索。

目前EE排序模型整体结构图：

  • 针对位置偏置，设计position-bias net于训练时建模位置作用、预测时mask，进行展示位置去偏。
  • 针对流行度偏置，构建 U-I net/ item_net/ user_net 分别建模 用户-商品内容匹配度、流行度因子、用户心智偏好因子的影响，依据因果效应消除偏置因子作用，还原用户对商品本身内容的偏好度。

位置去偏迭代1.Position-bias 位置偏置建模。

EE模型升级至训练、预测两阶段的position-debias方案，通过pos-bias tower建模position-bias影响，并在高语义层级与输出均值融合，拟合训练label，而后在预测阶段摘除，以期去除pos-bias影响。

Pos的建模方式

1.1 pos as feat

训练阶段，pos作为模型特征使用，与其他u/q/i侧特征联合，共同输入模型网络，计算相应logits并梯度回传。预测推理阶段，所有样本强制采用同一个pos值，近乎理解为：同一个user/query下， 所有商品在同样的展示位置上，进行预测分数比较。

其潜在风险如下：

  • 强制pos数值如何选择。展示位置一般可限制在[0-30/60]内，然而不同强制位置的设定，会带来排序结果的变化，如何在[0-60]间选择合理的强制位置，以及不同时间和分布下，强制位置的选择是否要重新进行。
  • pos特征的重要性。将pos特征由网络底层输入，其重要性可能难以在最后的logits中得以充分体现，其物理意义（位置因素影响用户商品交互行为的作用大小）不易直观理解。

1.2 multi-pos predict

设计最后一层为多位置通道输出的网络，预测商品在各枚举位置上的logits输出。训练阶段计算商品在所有位置上的输出结果，只激活真实的pos通道计算logit和loss，其他位置通道进行mask。推断时，贪心的从第一个位置开始，无放回的选择当前位置上的最优商品，直至最后一个位置。

此方案适配用于排序位置较为固定的场景，如重排N选N，在搜索EE现有架构下并不适配，一方面是SVGP结构对多通道结果输出并不友好，另一方面，EE现有插入范围较大[1-60]、比较插入机制也需做非常复杂化的适配改造，方案过重。

1.3 pos as tower

升级现有DNN + 稀疏变分高斯(svgp) 采样打分模型，采用基于position-bias net(位置偏置)的模型方案，方案具体为训练、预测两阶段的位置去偏。

  • 训练阶段通过引入展示位置表征作为位置偏好网络，与基于user/query/item的主网络共同输入，预估商品在当前位置(位置偏好网络)及自身质量(主网络)下的打分。
  • 预测阶段通过摘除位置偏好网络，预测商品仅基于自身质量的采样打分，去除展示位置影响。通过此方案可以缓解训练数据的position-bias(位置偏执)，降低头部商品由于展示位置的打分增益，同时减少中长尾商品由于靠后位置的打分折损，优化搜索结果丰富性和平台生态。

2. 个性化位置偏置建模。

用户对商品的偏好是个性化的，不同用户对商品的偏好不同。用户对位置的偏好也是差异化的，不同用户对位置的敏感度存在差异。

上文的bias-net建模方式，假定所有用户对同一位置偏好相同，忽略了用户间的位置偏好差异。典型例子如下，偏逛用户在系统中对position相对不敏感，position的排名前后对用户的行为决策影响相对更小，而对偏快速够买用户则影响截然相反。

个性化位置偏置建模。升级现有bias-net结构，引入用户个性化特征，包括静态profile和动态行为序列。通过个性化bias-net 计算不同用户对不同position的位置偏好，更准确的还原用户对商品内容的真实偏好。

Pos Tower 与 svgp的结合方式。

2.1 SVGP简介

GP（Gaussian process，高斯过程）是用于在样本间存在相关关系的情况下，通过观测值对未知样本label 进行修正预测的算法。简言之，距离观测点越近的未知样本，其均值被修正越多、更接近观测值，方差也越收敛，反之亦然。SVGP（Sparse Variational Gaussian Process, 基于稀疏变分的高斯过程），针对大样本量下协方差矩阵和求逆难以计算的问题，设计一定数量的可学习的引导点，对所有训练样本进行归纳，未知样本通过与引导点的协方差来计算均值和方差。

2.2表征层融合（Representation Fusion）

Pos-tower与Main-tower融合方式有两种，表征层融合和logit层融合。在SVGP计算前进行融合，即表征层向量进行融合，可以采用 concat/sum/avg 等各种方式。其难点在于，向量间的相加、平均操作，无法直观理解其物理意义和作用，向量叠加是否导致logit正向增大，向量带来多大的logit提升，这些位置偏置作用难以解析。

另外从模型结构来看，svgp依赖样本内容间相似度计算均值和方差，而position-bias的影响应该独立于样本内容的计算。

2.3logit层融合（Logit Fusion）

在svgp之后的logit层融合，可采用 logits 相乘相加方式，其直接从模型结构上诠释了这样的公式Label = f(content) + f(position) /Label = f(content) * f(position) ,其中 f(position)的绝对值大小，直观的表示 position 带来的增益大小。

位置偏置建模线上效果

保持大盘效率持平的情况下，EE核心指标提升明显，探索流动性指标(探索更多商品)提升明显 +1.35%，探索成功率指标(探索更高效商品)显著改善 +0.74%。

流行度去偏

3.1IPS

对每个商品预估 propensity score，然后采用逆向 propensity score 权重的方式，消除倾向分的影响，预估商品真实的内容匹配度得分。

挑战点：

  • 如何准确获得 propensity score，这是对后续纠偏的前提挑战。
  • 整体为两段式训练，链路上有一定复杂度。

3.2 流行度降权

在实际搜推数据中，在user侧、item侧分别依据其流行程度，设计对应降权权重，缓解整体被热门用户、商品所主导的趋势，增强所关注样本的影响力。

面临难点：

  • 合理的设计权重方案。
  • 如何挖掘hard example。

3.3 基于因果关系的反事实推理

如何缓解流行度偏置问题？在训练链路中，增强改善中长尾商品的学习是一类重要方法；对用户交互行为进行解构，拆分出商品流行度等因子的作用，是另一个视角的解决思路。

因果图、因果关系简介

因果图是有向无环图，其中节点表示随机变量、有向边表示节点之间的因果作用方向。如上图对于节点Y变量，有两条路径的因果作用，分别是 I → Y 、I → K → Y。

  • I → Y 表示从 I 节点开始的自然直接因果效应 (NDE)，作用路径上没有中间节点。
  • I → K → Y 表示从 I 节点开始的间接因果效应 (TIE)，K是路径上的中间节点。
  • 直接因果效应和间接因果效应之和，即为Y变量的总因果效应 (TE)。

总因果效应计算，可以由自变量的单位扰动带来的因变量变化进行计算，自然因果和间接因果效应计算亦然：

以上公式可得，求出TE和NDE时，可推导计算中间接因果效应 TIE。

搜索中的因果效应

在电商搜索场景下，用户对商品的交互行为，可表示为 U-I 间各种因子的综合作用。常见思路为考虑 U-I 间内容匹配程度作为待预测因子，学习此因子在交互行为中的作用，在未来样本上进行预测排序。

从电商搜索的现实情况出发，对交互行为进一步拆分，影响用户商品交互行为的因子大体包含如下三方面：

  • 1). (U-I)→ Y,U-I 内容匹配度因子，用户与item本身内容的匹配程度、喜好程度对交互行为的影响，越喜欢则越点击购买，
  • 2). I → Y, Item流行度特征，内容偏好匹配程度相当的几个商品时，由于历史累计销量等流行度特征，热门商品展现更多、被交互概率更高。
  • 3). U → Y, 用户天然心智，user对流行商品的偏好程度不同，有些用户更倾向于热门商品，部分用户则并不敏感。

以上因子的拆解，包括了U/I 内容匹配度的间接因子的效应，也包括了 U、I的直接效应影响。因此在EE模型中设计如下网络，分别建模各个因子的作用：

具体分别设计UI-Match-Net, User-Net, Item-Net 分别预测对应三种因子的作用，其中总效应，U/I 效应分别表示为

在训练中Loss的设计如下，分别表示

  • U-I与label的loss，优化主模型的准确性
  • U、I侧直接因子的loss，通过这种方式分别预测两种直接因子对交互结果的影响
  • alpha/beta 为训练时超参

预测阶段缓解流行度偏置，主要在于去除流行度因素、用户心智因果(偏置因子)的影响，具体通过总因果效应减去自然直接效应(偏置因子效应)，尽量准确还原 U-I 内容匹配程度的影响

TIE = TE – NDE

反事实推理后的因果图状态如下，将U/I 的直接效应消除，保留U-I 内容匹配度的效应：

反事实推理建模线上效果

保持大盘效率持平的情况下，EE核心指标提升明显，探索流动性指标(探索更多商品)提高 +0.82% ，探索成功率指标(探索更高效商品) 显著提升 +0.66%。

在线AB指标

探索成功率指标，用于在小流量AB期间指导EE效果分析，其设计思路从EE核心价值出发，推导出长期价值相关联的AB期间核心指标。

具体而言，即论证 探索成功率指标 → EE核心价值。

  • 满足探索成功率的商品，跟踪其一定时间后在搜索中的承接状态，是否被大盘较好承接。
  • 搜索中承接状态，主要为三要素：流量、点击、订单。

通过对 1). 商品概况和承接定义, 2). 商品承接统计, 3). 分层承接分析 等方面进行分析，迭代出搜索EE在AB实验期间所关注的EE核心指标集–探索成功率。

离线评估体系

EE线上指标主要关注

  • 1). 大盘效率，UCVR和UV价值
  • 2). 探索成功率， 其余辅助观测指标包括 流动性指标、丰富性指标。

在线的探索成功率和辅助指标，现阶段难以与模型离线指标（AUC等）关联，无法在离线评测EE模型的探索能力，限制EE模型迭代速度，极大增加迭代时间成本。

针对EE场景特异性的指标，设计了离线指标评测集合，分别从 效率、中长尾探索强度、不确定预估等方面，综合评测EE模型，加速迭代。

总结

搜索EE是提升搜索场景流动性、多样性的关键模块，其面临的问题和以效率排序为主模块的问题有很大差异，对EE同学提出了不一样的挑战。

针对EE场景的特点，排序模型从Debias(打分公平性)入手，拆解存在于各种排序场景的bias问题，对位置偏置和流行度偏置问题升级较通用化的解决方案，取得了EE核心指标的显著提升。同时对于迭代链路中的 在线AB指标、离线评估体系，也进行了论证和迭代，完成对整个EE排序闭环链路的升级。限于篇幅，AB指标和离线评估体系在这里不做全面展开，感兴趣的同学欢迎随时交流，共同探讨。

EE场景面临的挑战很多，后续计划从如下方面继续深入探索：

1). 引入更丰富的用户探索信号的表达，增加explore-net和监督loss，提升EE模型对探索偏好的学习。

2). 思考EE的长期价值，如何在模型结构、Loss设计上结合长期价值。

3). 优化EE探索机制和EE候选集，提升EE全链路探索能力。