▌引言

推薦作為解決信息過載和挖掘用戶潛在需求的技術(shù)手段，在美團點評這樣業(yè)務(wù)豐富的生活服務(wù)電子商務(wù)平臺，發(fā)揮著重要的作用。在美團App里，首頁的“猜你喜歡”、運營區(qū)、酒店旅游推薦等重要的業(yè)務(wù)場景，都是推薦的用武之地。

圖1 美團首頁“猜你喜歡”場景

目前，深度學(xué)習(xí)模型憑借其強大的表達能力和靈活的網(wǎng)絡(luò)結(jié)構(gòu)在諸多領(lǐng)域取得了重大突破，美團平臺擁有海量的用戶與商家數(shù)據(jù)，以及豐富的產(chǎn)品使用場景，也為深度學(xué)習(xí)的應(yīng)用提供了必要的條件。本文將主要介紹深度學(xué)習(xí)模型在美團平臺推薦排序場景下的應(yīng)用和探索。

▌深度學(xué)習(xí)模型的應(yīng)用與探索

美團推薦場景中每天活躍著千萬級別的用戶，這些用戶與產(chǎn)品交互產(chǎn)生了海量的真實行為數(shù)據(jù)，每天能夠提供十億級別的有效訓(xùn)練樣本。為處理大規(guī)模的訓(xùn)練樣本和提高訓(xùn)練效率，我們基于PS-Lite研發(fā)了分布式訓(xùn)練的DNN模型，并基于該框架進行了很多的優(yōu)化嘗試，在排序場景下取得了顯著的效果提升。

圖2 模型排序流程圖

如上圖所示，模型排序流程包括日志收集、訓(xùn)練數(shù)據(jù)生成、模型訓(xùn)練和線上打分等階段。當(dāng)推薦系統(tǒng)對瀏覽推薦場景的用戶進行推薦時，會記錄當(dāng)時的商品特征、用戶狀態(tài)與上下文信息，并收集本次推薦的用戶行為反饋。在經(jīng)過標簽匹配和特征處理流程后生成最終的訓(xùn)練數(shù)據(jù)。我們在離線運用PS-Lite框架對Multi-task DNN模型進行分布式訓(xùn)練，通過離線評測指標選出效果較好的模型并加載到線上，用于線上排序服務(wù)。

下面將著重介紹我們在特征處理和模型結(jié)構(gòu)方面所做的優(yōu)化與嘗試。

特征處理

美團“猜你喜歡”場景接入了包括美食、酒店、旅游、外賣、民宿、交通等多種業(yè)務(wù)，這些業(yè)務(wù)各自有著豐富的內(nèi)涵和特點，同時各業(yè)務(wù)的供給、需求與天氣、時間、地理位置等條件交織，構(gòu)成了O2O生活服務(wù)場景下特有的多樣性和復(fù)雜性，這就給如何更高效地組織排序結(jié)果提出了更高的要求。構(gòu)造更全面的特征、更準確高效地利用樣本一直是我們優(yōu)化的重點方向。

特征種類

User特征：用戶年齡，性別，婚否，有無孩子等

Item特征：價格，折扣，品類和品牌相關(guān)特征，短期和長期統(tǒng)計類特征等

Context特征：天氣，時間，地理位置，溫度等

用戶行為：用戶點擊Item序列，下單Item序列等

除上述列舉的幾類特征外，我們還根據(jù)O2O領(lǐng)域的知識積累，對部分特征進行交叉，并針對學(xué)習(xí)效果對特征進行了進一步處理。具體的樣本和特征處理流程如下：

圖3 訓(xùn)練數(shù)據(jù)處理流程

標簽匹配

推薦后臺日志會記錄當(dāng)前樣本對應(yīng)的User特征、Item特征與Context特征，Label日志會捕獲用戶對于推薦項的行為反饋。我們把兩份數(shù)據(jù)按照唯一ID拼接到一起，生成原始的訓(xùn)練日志。

等頻歸一化

通過對訓(xùn)練數(shù)據(jù)的分析，我們發(fā)現(xiàn)不同維度特征的取值分布、相同維度下特征值的差異都很大。例如距離、價格等特征的數(shù)據(jù)服從長尾分布，體現(xiàn)為大部分樣本的特征值都比較小，存在少量樣本的特征值非常大。常規(guī)的歸一化方法（例如min-max，z-score）都只是對數(shù)據(jù)的分布進行平移和拉伸，最后特征的分布仍然是長尾分布，這就導(dǎo)致大部分樣本的特征值都集中在非常小的取值范圍內(nèi)，使得樣本特征的區(qū)分度減??；與此同時，少量的大值特征可能造成訓(xùn)練時的波動，減緩收斂速度。此外也可以對特征值做對數(shù)轉(zhuǎn)化，但由于不同維度間特征的分布不同，這種特征值處理的方式并不一定適用于其他維度的特征。

在實踐中，我們參考了Google的Wide & Deep Model[6]中對于連續(xù)特征的處理方式，根據(jù)特征值在累計分布函數(shù)中的位置進行歸一化。即將特征進行等頻分桶，保證每個桶里的樣本量基本相等，假設(shè)總共分了n個桶，而特征xi屬于其中的第bi(bi∈ {0, …, n - 1})個桶，則特征xi最終會歸一化成bi/n。這種方法保證對于不同分布的特征都可以映射到近似均勻分布，從而保證樣本間特征的區(qū)分度和數(shù)值的穩(wěn)定性。

低頻過濾

過多的極為稀疏的離散特征會在訓(xùn)練過程中造成過擬合問題，同時增加參數(shù)的儲存數(shù)量。為避免該問題，我們對離散特征進行了低頻過濾處理，丟掉小于出現(xiàn)頻次閾值的特征。

經(jīng)過上述特征抽取、標簽匹配、特征處理后，我們會給特征分配對應(yīng)的域，并對離散特征進行Hash處理，最終生成LIBFFM格式的數(shù)據(jù)，作為Multi-task DNN的訓(xùn)練樣本。下面介紹針對業(yè)務(wù)目標所做的模型方面的優(yōu)化嘗試。

模型優(yōu)化與嘗試

在模型方面，我們借鑒工業(yè)界的成功經(jīng)驗，在MLP模型的基礎(chǔ)上，針對推薦場景進行模型結(jié)構(gòu)方面的優(yōu)化。在深度學(xué)習(xí)中，很多方法和機制都具有通用性，比如Attention機制在機器翻譯，圖像標注等方向上取得了顯著的效果提升，但并不是所有具體的模型結(jié)構(gòu)都能夠直接遷移，這就需要結(jié)合實際業(yè)務(wù)問題，對引入的模型網(wǎng)絡(luò)結(jié)構(gòu)進行了針對性調(diào)整，從而提高模型在具體場景中的效果。

Multi-task DNN

推薦場景上的優(yōu)化目標要綜合考慮用戶的點擊率和下單率。在過去我們使用XGBoost進行單目標訓(xùn)練的時候，通過把點擊的樣本和下單的樣本都作為正樣本，并對下單的樣本進行上采樣或者加權(quán)，來平衡點擊率和下單率。但這種樣本的加權(quán)方式也會有一些缺點，例如調(diào)整下單權(quán)重或者采樣率的成本較高，每次調(diào)整都需要重新訓(xùn)練，并且對于模型來說較難用同一套參數(shù)來表達這兩種混合的樣本分布。針對上述問題，我們利用DNN靈活的網(wǎng)絡(luò)結(jié)構(gòu)引入了Multi-task訓(xùn)練。

根據(jù)業(yè)務(wù)目標，我們把點擊率和下單率拆分出來，形成兩個獨立的訓(xùn)練目標，分別建立各自的Loss Function，作為對模型訓(xùn)練的監(jiān)督和指導(dǎo)。DNN網(wǎng)絡(luò)的前幾層作為共享層，點擊任務(wù)和下單任務(wù)共享其表達，并在BP階段根據(jù)兩個任務(wù)算出的梯度共同進行參數(shù)更新。網(wǎng)絡(luò)在最后一個全連接層進行拆分，單獨學(xué)習(xí)對應(yīng)Loss的參數(shù)，從而更好地專注于擬合各自Label的分布。

圖4 點擊與下單多目標學(xué)習(xí)

Multi-task DNN的網(wǎng)絡(luò)結(jié)構(gòu)如上圖所示。線上預(yù)測時，我們將Click-output和Pay-output做一個線性融合。

在此結(jié)構(gòu)的基礎(chǔ)上，我們結(jié)合數(shù)據(jù)分布特點和業(yè)務(wù)目標進行了進一步的優(yōu)化：針對特征缺失普遍存在的情況我們提出Missing Value Layer，以用更合理的方式擬合線上數(shù)據(jù)分布；考慮將不同task的物理意義關(guān)聯(lián)起來，我們提出KL-divergence Bound，以減輕某單一目標的Noise的影響。下面我們就這兩塊工作做具體介紹。

Missing Value Layer

通常在訓(xùn)練樣本中難以避免地有部分連續(xù)特征存在缺失值，更好地處理缺失值會對訓(xùn)練的收斂和最終效果都有一定幫助。通常處理連續(xù)特征缺失值的方式有：取零值，或者取該維特征的平均值。取零值會導(dǎo)致相應(yīng)權(quán)重?zé)o法進行更新，收斂速度減慢。而取平均值也略顯武斷，畢竟不同的特征缺失所表示的含義可能不盡相同。一些非神經(jīng)網(wǎng)絡(luò)的模型能比較合理的處理缺失值，比如XGBoost會通過Loss的計算過程自適應(yīng)地判斷特征缺失的樣本被劃分到左子樹還是右子樹更優(yōu)。受此啟發(fā)，我們希望神經(jīng)網(wǎng)絡(luò)也可以通過學(xué)習(xí)的方式自適應(yīng)地處理缺失值，而不是人為設(shè)置默認值。因此設(shè)計了如下的Layer來自適應(yīng)的學(xué)習(xí)缺失值的權(quán)重:

圖5 Miss Value Layer

通過上述的Layer，缺失的特征可以根據(jù)對應(yīng)特征的分布去自適應(yīng)的學(xué)習(xí)出一個合理的取值。

通過離線調(diào)研，對于提升模型的訓(xùn)練效果，自適應(yīng)學(xué)習(xí)特征缺失值的方法要遠優(yōu)于取零值、取均值的方式，模型離線AUC隨訓(xùn)練輪數(shù)的變化如下圖所示：

圖6 自適應(yīng)學(xué)習(xí)特征缺失值與取0值和均值效果對比

AUC相對值提升如下表所示：

圖7 自適應(yīng)學(xué)習(xí)特征缺失值A(chǔ)UC相對值提升

KL-divergence Bound

我們同時考慮到，不同的標簽會帶有不同的Noise，如果能通過物理意義將有關(guān)系的Label關(guān)聯(lián)起來，一定程度上可以提高模型學(xué)習(xí)的魯棒性，減少單獨標簽的Noise對訓(xùn)練的影響。例如，可以通過MTL同時學(xué)習(xí)樣本的點擊率，下單率和轉(zhuǎn)化率(下單/點擊)，三者滿足p(點擊) * p(轉(zhuǎn)化) = p(下單)的意義。因此我們又加入了一個KL散度的Bound，使得預(yù)測出來的p(點擊) * p(轉(zhuǎn)化)更接近于p(下單)。但由于KL散度是非對稱的，即KL(p||q) != KL(q||p)，因此真正使用的時候，優(yōu)化的是KL(p||q) + KL(q||p)。

圖8 KL-divergence Bound

經(jīng)過上述工作，Multi-tast DNN模型效果穩(wěn)定超過XGBoost模型，目前已經(jīng)在美團首頁“猜你喜歡”場景全量上線，在線上也取得了點擊率的提升：

圖9 線上CTR效果與基線對比圖

線上CTR相對值提升如下表所示：

圖10 線上CTR效果相對值提升

除了線上效果的提升，Multi-task訓(xùn)練方式也很好的提高了DNN模型的擴展性，模型訓(xùn)練時可以同時考慮多個業(yè)務(wù)目標，方便我們加入業(yè)務(wù)約束。

更多探索

在Multi-task DNN模型上線后，為了進一步提升效果，我們利用DNN網(wǎng)絡(luò)結(jié)構(gòu)的靈活性，又做了多方面的優(yōu)化嘗試。下面就NFM和用戶興趣向量的探索做具體介紹。

NFM

為了引入Low-order特征組合，我們在Multi-task DNN的基礎(chǔ)上進行了加入NFM的嘗試。各個域的離散特征首先通過Embedding層學(xué)習(xí)得到相應(yīng)的向量表達，作為NFM的輸入，NFM通過Bi-Interaction Pooling的方式對輸入向量對應(yīng)的每一維進行2-order的特征組合，最終輸出一個跟輸入維度相同的向量。我們把NFM學(xué)出的向量與DNN的隱層拼接在一起，作為樣本的表達，進行后續(xù)的學(xué)習(xí)。

圖11 NFM + DNN

NFM的輸出結(jié)果為向量形式，很方便和DNN的隱層進行融合。而且從調(diào)研的過程中發(fā)現(xiàn)，NFM能夠加快訓(xùn)練的收斂速度，從而更有利于Embedding層的學(xué)習(xí)。因為DNN部分的層數(shù)較多，在訓(xùn)練的BP階段，當(dāng)梯度傳到最底層的Embedding層時很容易出現(xiàn)梯度消失的問題，但NFM與DNN相比層數(shù)較淺，有利于梯度的傳遞，從而加快Embedding層的學(xué)習(xí)。

通過離線調(diào)研，加入NFM后，雖然訓(xùn)練的收斂速度加快，但AUC并沒有明顯提升。分析原因是由于目前加入NFM模型部分的特征還比較有限，限制了學(xué)習(xí)的效果。后續(xù)會嘗試加入更多的特征域，以提供足夠的信息幫助NFM學(xué)出有用的表達，深挖NFM的潛力。

用戶興趣向量

用戶興趣作為重要的特征，通常體現(xiàn)在用戶的歷史行為中。通過引入用戶歷史行為序列，我們嘗試了多種方式對用戶興趣進行向量化表達。

Item的向量化表達：線上打印的用戶行為序列中的Item是以ID的形式存在，所以首先需要對Item進行Embedding獲取其向量化的表達。最初我們嘗試通過隨機初始化Item Embedding向量，并在訓(xùn)練過程中更新其參數(shù)的方式進行學(xué)習(xí)。但由于Item ID的稀疏性，上述隨機初始化的方式很容易出現(xiàn)過擬合。后來采用先生成item Embedding向量，用該向量進行初始化，并在訓(xùn)練過程中進行fine tuning的方式進行訓(xùn)練。

用戶興趣的向量化表達：為生成用戶興趣向量，我們對用戶行為序列中的Item向量進行了包括Average Pooling、 Max Pooling與Weighted Pooling三種方式的融合。其中Weighted Pooling參考了DIN的實現(xiàn)，首先獲取用戶的行為序列，通過一層非線性網(wǎng)絡(luò)(Attention Net)學(xué)出每個行為Item對于當(dāng)前要預(yù)測Item的權(quán)重(Align Vector)，根據(jù)學(xué)出的權(quán)重，對行為序列進行Weighted Pooling，最終生成用戶的興趣向量。計算過程如下圖所示:

圖12 Weighted Pooling

通過離線AUC對比，針對目前的訓(xùn)練數(shù)據(jù)，Average Pooling的效果為最優(yōu)的。效果對比如下圖所示：

圖13 不同Pooling方式點擊AUC對比

以上是我們在模型結(jié)構(gòu)方面的優(yōu)化經(jīng)驗和嘗試，下面我們將介紹針對提高模型訓(xùn)練效率所做的框架性能優(yōu)化工作。

訓(xùn)練效率優(yōu)化

經(jīng)過對開源框架的廣泛調(diào)研和選型，我們選擇了PS-Lite作為DNN模型的訓(xùn)練框架。PS-Lite是DMLC開源的Parameter Server實現(xiàn)，主要包含Server和Worker兩種角色，其中Server端負責(zé)模型參數(shù)的存儲與更新，Worker端負責(zé)讀取訓(xùn)練數(shù)據(jù)、構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)和進行梯度計算。相較于其他開源框架，其顯著優(yōu)點在于：

PS框架：PS-Lite的設(shè)計中可以更好的利用特征的稀疏性，適用于推薦這種有大量離散特征的場景。

封裝合理：通信框架和算法解耦，API強大且清晰，集成比較方便。

圖14 Parameter Server

在開發(fā)過程中，我們也遇到并解決了一些性能優(yōu)化問題：

為了節(jié)約Worker的內(nèi)存，通常不會將所有的數(shù)據(jù)儲存在內(nèi)存中，而是分Batch從硬盤中Pre-fetch數(shù)據(jù)，但這個過程中存在大量的數(shù)據(jù)解析過程，一些元數(shù)據(jù)的重復(fù)計算(大量的key排序去重等)，累計起來也是比較可觀的消耗。針對這個問題我們修改了數(shù)據(jù)的讀取方式，將計算過的元數(shù)據(jù)也序列化到硬盤中，并通過多線程提前將數(shù)據(jù)Pre-fetch到對應(yīng)的數(shù)據(jù)結(jié)構(gòu)里，避免了在此處浪費大量的時間來進行重復(fù)計算。

在訓(xùn)練過程中Worker的計算效率受到宿主機實時負載和硬件條件的影響，不同的Worker之間的執(zhí)行進度可能存在差異(如下圖所示，對于實驗測試數(shù)據(jù)，大部分Worker會在700秒完成一輪訓(xùn)練，而最慢的Worker會耗時900秒)。而通常每當(dāng)訓(xùn)練完一個Epoch之后，需要進行模型的Checkpoint、評測指標計算等需要同步的流程，因此最慢的節(jié)點會拖慢整個訓(xùn)練的流程?？紤]到Worker的執(zhí)行效率是大致服從高斯分布的，只有小部分的Worker是效率極低的，因此我們在訓(xùn)練流程中添加了一個中斷機制：當(dāng)大部分的機器已經(jīng)執(zhí)行完當(dāng)前Epoch的時候，剩余的Worker進行中斷，犧牲少量Worker上的部分訓(xùn)練數(shù)據(jù)來防止訓(xùn)練流程長時間的阻塞。而中斷的Worker在下個Epoch開始時，會從中斷時的Batch開始繼續(xù)訓(xùn)練，保證慢節(jié)點也能利用所有的訓(xùn)練數(shù)據(jù)。

圖15 Worker耗時分布

▌總結(jié)與展望

深度學(xué)習(xí)模型落地到推薦場景后，對業(yè)務(wù)指標有了明顯的提升，今后我們還將深化對業(yè)務(wù)場景的理解，做進一步優(yōu)化嘗試。

在業(yè)務(wù)方面，我們將嘗試對更多的業(yè)務(wù)規(guī)則進行抽象，以學(xué)習(xí)目標的方式加入到模型中。業(yè)務(wù)規(guī)則一般是我們短期解決業(yè)務(wù)問題時提出的，但解決問題的方式一般不夠平滑，規(guī)則也不會隨著場景的變化進行自適應(yīng)。通過Multi-task方式，把業(yè)務(wù)的Bias抽象成學(xué)習(xí)目標，在訓(xùn)練過程中對模型的學(xué)習(xí)進行指導(dǎo)，從而可以比較優(yōu)雅的通過模型解決業(yè)務(wù)問題。

在特征方面，我們會繼續(xù)對特征的挖掘和利用進行深入調(diào)研。不同于其他推薦場景，對于O2O業(yè)務(wù)，Context特征的作用非常顯著，時間，地點，天氣等因素都會影響用戶的決策。今后會繼續(xù)嘗試挖掘多樣的Context特征，并利用特征工程或者模型進行特征的組合，用于優(yōu)化對樣本的表達。

在模型方面，我們將持續(xù)進行網(wǎng)絡(luò)結(jié)構(gòu)的探索，嘗試新的模型特性，并針對場景的特點進行契合。學(xué)術(shù)界和工業(yè)界的成功經(jīng)驗都很有價值，給我們提供了新的思路和方法，但由于面臨的業(yè)務(wù)問題和場景積累的數(shù)據(jù)不同，還是需要進行針對場景的適配，以達到業(yè)務(wù)目標的提升。