6.1 排序模型的特征
6.1.1 用户画像 (User Profile)
- 用户ID（在召回、排序中做embedding）；
- 人口统计学属性：性别、年龄；
- 账号信息：新老、活跃度......；
- 感兴趣的类目、关键词、品牌......
6.1.2 物品画像 (Item Profile)
- 物品ID（在召回、排序中做embedding）；
- 发布时间（或者年龄）；
- GeoHash（经纬度编码）、所在城市；
- 标题、类目、关键词、品牌......；
- 字数、图片数、视频清晰度、标签数......
- 内容信息量、图像美学。
6.1.3 用户统计特征
- 用户最近30天（7天、1天、1小时）的曝光数、点击数、点赞数、收藏数；
- 按照笔记图文/视频分桶（比如最近7天，该用户对图文笔记的点击率、对视频笔记的点击率）；
- 按照笔记类目分桶（比如最近30天，用户对美妆笔记的点击率、对美食笔记的点击率、对科技数码笔记的点击率）。
6.1.4 物品统计特征
- 笔记最近30天（7天、1天、1小时）的曝光数、点击数、点赞数、收藏数；
- 按照受众用户性别、年龄、地域等分桶；
- 作者特征（发布笔记数、粉丝数、消费指标曝光数、点击数、点赞数、收藏数等）。
6.1.5 场景特征
- 用户定位GeoHash（经纬度编码）、城市；
- 当前时刻（分段，做embedding）；
- 是否是周末、是否是节假日；
- 手机品牌、手机型号、操作系统（安卓、苹果用户点赞差异显著）。
6.1.6 特征处理
6.1.6.1 离线特征
做embedding。
包含用户ID、笔记ID、作者ID、类目、关键词、城市、手机品牌等。
6.1.6.2 连续特征
对于年龄、笔记字数、视频长度给等，做分桶，变成离散特征处理；
对于曝光数、点击率、点赞率等数值，做 log ( 1 + x ) \log(1+x) log(1+x)，转化为点击率、点赞率等值，并作平滑。
6.1.7 特征覆盖率
- 很多特征无法覆盖100%样本（用户不填年龄、无法获取用户地理位置等）；
- 提高特征覆盖率，可以让精排模型更精准。
- 当数据缺失时，默认值的设置也很重要。
6.1.8 数据服务
一种简单的排序时数据流程：
6.2 粗排的三塔模型
6.2.1 三塔模型结构
而对于模型上层：有 n n n个物品，模型上层就要做 n n n次推理，粗排推理的大部分计算量在上层。
6.2.2 三塔模型推理
从多个数据源获取特征：
- 1个用户的画像、统计特征；
- n n n个物品的画像、统计特征。
用户塔只做1次推理，当物品塔未命中缓存时需要做推理，交叉塔必须做 n n n次推理。
上层网络做 n n n次推理，给 n n n个物品打分。