当推荐遇到社交:美图的推荐算法设计优化实践( 十 )

当推荐遇到社交:美图的推荐算法设计优化实践

图6/7

美图推荐排序实践——多目标优化

随着产品优化的深入,单一的模型优化目标已经无法准确刻画产品的迭代方向,为了满足多样化的产品需求,我们开始探索多目标优化。整个多目标优化的路线,大概经历了四个阶段:样本 reweight,多目标模型,多模型,多个多目标模型。下面我将对这四个阶段的工作分别进行介绍。

多目标优化之样本 reweight

样本 reweight 是一种简单轻量的可用于解决多目标问题的做法,它借鉴了 imbalanced data 的典型做法,在保持模型优化的主目标不变的情况下,通过提高次要目标的正样本占比,来模拟多目标的联合概率分布。

我们在美拍和美图秀秀社区上,对增加关注目标进行了尝试。美拍在播放时长略微上涨的情况下,实现了人均关注 10.06% 的提升。美图秀秀社区关注转化率提升了 12.03%,不过点击率也有略微的下降。

推荐阅读