【51CTO.com原創(chuàng)稿件】新浪微博不僅僅是一個(gè)信息交流平臺(tái)，同時(shí)也兼具著媒體屬性，據(jù)統(tǒng)計(jì)2013年12月新浪微博MAU(Monthly Active Users，月活躍用戶數(shù)量)達(dá)到1.29億，DAU(Daily Active Users，日活躍用戶數(shù)量)超過6100萬，到2018年3月，MAU突破4.11億，DAU達(dá)到1.84億。據(jù)2017年數(shù)據(jù)統(tǒng)計(jì)，微博的主要用戶集中在23-30歲，占38.6%，性別上男性多于女性，占56.3%，而用戶興趣主要集中在明星、美女帥哥、動(dòng)漫等泛娛樂領(lǐng)域。

這么龐大的用戶體量和廣泛的興趣標(biāo)簽，如何做才能將用戶感興趣的話題、博主、事件***時(shí)間進(jìn)行精準(zhǔn)推送，是新浪微博一直要解決的事情，個(gè)性化push的應(yīng)用將精準(zhǔn)推送這項(xiàng)業(yè)務(wù)變的短時(shí)高效。

圖1 新浪微博齊彥杰

博文質(zhì)量、算法模型與分發(fā)效率共同決定push效果

在實(shí)現(xiàn)個(gè)性化push之前要先構(gòu)建一個(gè)推薦系統(tǒng)，所有的推薦系統(tǒng)基本上都是從內(nèi)容源頭中去找到用戶喜歡的東西，微博的源頭就是全量的原創(chuàng)博文。但是面對(duì)每天幾千萬量級(jí)的生產(chǎn)量和大量不適宜的原創(chuàng)文章，如何才能將精準(zhǔn)推送這個(gè)訴求變現(xiàn)呢?人工篩選加機(jī)器篩選是個(gè)不錯(cuò)的組合。在push推送過程中加入人工審核程序，可以降低涉黃、不健康、不適宜內(nèi)容的傳播，同時(shí)還減少了對(duì)用戶的騷擾。

物料召回模型只是在源頭處把握了原創(chuàng)博文的篩選，如何才能將優(yōu)質(zhì)文章推薦給感興趣的用戶呢?這就需要排序算法模型了。首先，將物料生成模型進(jìn)行審核，篩選出全量?jī)?yōu)質(zhì)的內(nèi)容，放到物料池中，并且物料池要實(shí)時(shí)更新互動(dòng)特征，比如，這個(gè)微博在當(dāng)前的時(shí)間點(diǎn)的轉(zhuǎn)發(fā)量和評(píng)論數(shù)等。更新以后，每分鐘提取當(dāng)前可用物料和用戶，進(jìn)行計(jì)算和排序，從中篩選出客戶最感興趣的博文，***發(fā)送給用戶。其實(shí)，在我們的推薦系統(tǒng)中，和模型計(jì)算平行的還有一個(gè)協(xié)同推薦服務(wù)。有一些推薦系統(tǒng)中把協(xié)同推薦作為一種召回的方式，把協(xié)同推薦產(chǎn)生的內(nèi)容放在物料召回的部分再做推薦。但是在我們的場(chǎng)景中，協(xié)同推薦效果好于排序模型，所以沒有必要再走一遍程序，可以直接發(fā)送給用戶。經(jīng)過基礎(chǔ)過濾下發(fā)，實(shí)時(shí)收集下發(fā)日志和點(diǎn)擊日志，經(jīng)過數(shù)據(jù)處理和加工，再去更新物料池，同時(shí)更新物料生成模型和運(yùn)營(yíng)審核部分。

圖2 推薦系統(tǒng)

機(jī)器學(xué)習(xí)的特征維度建立

在排序策略、模型服務(wù)、特征工程、基礎(chǔ)數(shù)據(jù)的整體架構(gòu)下有博文信息、用戶信息、行為信息等，利用這些信息在上層挖掘出特征，利用特征進(jìn)行模型訓(xùn)練和評(píng)估，得出排序模型和物料模型。當(dāng)有了模型之后，再把模型運(yùn)用到線上做排序策略、CTR預(yù)估。***，將線上的數(shù)據(jù)再傳導(dǎo)回來，進(jìn)行基礎(chǔ)數(shù)據(jù)計(jì)算，供下一次模型訓(xùn)練迭代。

興趣維度

但是，對(duì)于一個(gè)博文來說，特征構(gòu)建的時(shí)候需要通過一個(gè)三級(jí)標(biāo)簽體系來具像這個(gè)博文代表的意義，以及通過用戶對(duì)博文的瀏覽程度來呈現(xiàn)用戶的興趣，這時(shí)就會(huì)建立一個(gè)三級(jí)標(biāo)簽體系，首先***級(jí)標(biāo)簽是比較寬泛的，比如說體育領(lǐng)域，一級(jí)標(biāo)簽下面會(huì)有二級(jí)標(biāo)簽，比如：足球，二級(jí)標(biāo)簽下面會(huì)有三級(jí)標(biāo)簽，比如：梅西、C羅。當(dāng)一個(gè)用戶消費(fèi)了多個(gè)打上梅西標(biāo)簽的博文的時(shí)候，我們就知道這個(gè)用戶對(duì)梅西感興趣，所以，當(dāng)有一個(gè)梅西的物料進(jìn)來的時(shí)候，就會(huì)用到這部分特征，加入到模型中進(jìn)行訓(xùn)練，再推送給興趣用戶，這個(gè)就是興趣維度。

圖3 興趣維度

關(guān)系維度

興趣維度是一個(gè)用戶對(duì)興趣領(lǐng)域的特征描述，但是如果想把博主與用戶，也就是人與人之間的特征描述加入到模型當(dāng)中，就需要關(guān)系維度了。當(dāng)一個(gè)博主和一個(gè)用戶在歷史上的互動(dòng)非常高的話，那么這個(gè)博主一定是契合這個(gè)用戶的需求的，所以他們的關(guān)系也可以作為一個(gè)維度特征加入到模型當(dāng)中。

實(shí)時(shí)維度

將興趣維度、關(guān)系維度加入到模型的同時(shí)，還需要將先驗(yàn)數(shù)據(jù)傳導(dǎo)回來，這時(shí)候就需要實(shí)時(shí)維度的幫助。因?yàn)镻ush場(chǎng)景用的物料相對(duì)少一些，同時(shí)曝光機(jī)會(huì)也特別少，而點(diǎn)擊率就可以作為先驗(yàn)數(shù)據(jù)傳導(dǎo)回來，導(dǎo)入到模型中。

除了以上三種維度，還包括環(huán)境的維度，推送的時(shí)間、設(shè)備的網(wǎng)絡(luò)信息、設(shè)備本身的信息等等。

介紹完特征部分之后，再講一下模型演進(jìn)的過程。升級(jí)從LR(Logistic Regression，邏輯回歸)模型開始，LR模型基本上比較難以捕捉用戶的組合特征，所以進(jìn)一步升級(jí)到FM模型。FM( Factorization Machine，隱因子分解機(jī))模型是LR模型加上Dense(密集化)的兩兩特征組合。每一個(gè)兩兩組合特征，需要有一個(gè)權(quán)重Wij，如果直接求Wij，因?yàn)樘卣鹘M合會(huì)造成樣本過少，導(dǎo)致Wij不準(zhǔn)確，所以是通過因子Vi，Vj相乘的形式來得到Wij。但是，F(xiàn)M模型只做了兩兩組合特征，所以又升級(jí)成了wide&deep模型，通過把wide模型和deep模型進(jìn)行組合，既保留了wide模型里面的記憶能力，又有一些高級(jí)特征組合模型的能力，使這樣一個(gè)模型能夠有更強(qiáng)的表現(xiàn)能力。

圖4 Wide&deep模型

Push在使用中的實(shí)用技巧

利用用戶頻次(頻率+次數(shù))拆分提高點(diǎn)擊量和點(diǎn)擊率

微博使用中用戶的頻次差異很大，因此要將用戶的頻次進(jìn)行拆分，分別訓(xùn)練高頻次、中頻次和低頻次的用戶，所以需要在負(fù)樣本的選擇上做一些改變。

在服務(wù)器推送的時(shí)候，會(huì)遇到用戶設(shè)置系統(tǒng)不提醒新消息的狀況，也會(huì)遇到用戶不看新消息的狀況，所以，在選擇推送用戶的時(shí)候，盡量選取歷史上有過正樣本的用戶，這樣，用戶在獲得正樣本復(fù)發(fā)的時(shí)候，在正樣本上下幾條曝光(其中包含兩條負(fù)樣本)，就可以提高點(diǎn)擊量和點(diǎn)擊率。

逐層控制下發(fā)物料

如果一個(gè)物料在沒有經(jīng)過充分驗(yàn)證的情況下，就對(duì)所有的人進(jìn)行計(jì)算，可能因?yàn)槟骋粋€(gè)特征特別高的時(shí)候，使下發(fā)產(chǎn)生過大，這樣可能把一個(gè)低質(zhì)物料展現(xiàn)給過多用戶。所以首先要在一個(gè)特別小的范圍內(nèi)進(jìn)行嘗試，如果點(diǎn)擊率達(dá)到預(yù)期，則會(huì)逐漸一層一層擴(kuò)大，直到放到全量。這個(gè)方式，可以控制低質(zhì)物料下發(fā)范圍，同時(shí)把曝光機(jī)會(huì)讓給經(jīng)過充分驗(yàn)證的優(yōu)質(zhì)物料。

以上內(nèi)容是51CTO記者根據(jù)新浪微博齊彥杰在WOT2018全球軟件與運(yùn)維技術(shù)峰會(huì)的演講內(nèi)容整理，更多關(guān)于WOT的內(nèi)容請(qǐng)關(guān)注51cto.com。