EE模塊是搜索系統中改善生態、探索商品的重要鏈路，其目標是緩解數據馬太效應導致模型對商品排序豐富性、探索性不足，帶來的系統非最優解問題。以下分別從模型迭代、線上實驗指標、離線評估體系介紹相應模塊的優化。 ...
作者：京東零售 呂豪
背景
EE（Explore & Exploit）模塊是搜索系統中改善生態、探索商品的重要鏈路，其目標是緩解數據馬太效應導致模型對商品排序豐富性、探索性不足，帶來的系統非最優解問題。
在JD搜索體系中，EE模塊被定義的核心定位是：在給定流量和時間的約束下，探索出更多高效率的商品。EE的優化目標即為，以保障搜索效率為前提，提升廣義中長尾商品的探索成功率，提升搜索結果的流動性、豐富性。
EE場景迭代閉環
由於EE場景的特殊性，其從核心定位 → 線上指標 → 離線評估體系 → 模型迭代的優化鏈路中的每一步，都需結合EE特點進行針對性升級。
以下分別從模型迭代、線上實驗指標、離線評估體系介紹相應模塊的優化。
模型Debias迭代
問題背景
EE的核心定位在於探索更多更高效的潛力中長尾商品，其首要回答的問題便是，在目前搜索體系中，哪些因素阻礙中長尾商品獲得更公平合理的展現機會？系統性的各類bias 。
1). Position-bias (展示位置偏置)
當前打分模型基於每天dump的搜索日誌進行訓練更新。由於搜索結果的position-bias(位置偏置)效應，user的行為動作不僅與商品本身質量有關，而且受position(展示位置)較大影響。position-bias(位置偏置)效應對頭部商品的增益，加劇了平臺生態的馬太效應。使用position-bias的日誌數據進行訓練，而未對position(展示位置)做去偏，不利於中長尾商品的正確效率預估，不利於平臺流動性、豐富性和長期價值。
2). Polularity-bias (流行度偏置)
存在與user偏好匹配程度相當的多個商品時，由於商品間的歷史累計銷量、累計評論等流行度特征的差異，造成傾向於給用戶呈現熱門流行商品，已流行商品則更流行。而匹配程度相似的中長尾商品，則難有機會被展現，中長尾更中長尾。
3). Exposure-bias (曝光偏置)
一次搜索請求下，只有有限的商品列表展現給user，絕大多商品無法展示；搜索系統一天內，整體被展現的商品集也只占全部商品集的小部分。 由此帶來的問題一方面是模型泛化問題，訓練在已展現商品的日誌上進行，serving需在所有商品上做推斷，如何平衡訓練、推斷樣本分佈差異化的矛盾，尤其是頭、尾部商品的巨大差距。另一方面是商品label問題，商品未累積獲得用戶正反饋，是因為與用戶不匹配，還是未有展現機會？
針對以上bias問題，EE排序模型從位置偏置建模、反事實推理學習方面進行升級，嘗試緩解position-bias和polularity-bias，取得一定收益。而Exposure-bias由於隨機dump樣本的label問題，還需要做更多探索。
目前EE排序模型整體結構圖：
- 針對位置偏置，設計position-bias net於訓練時建模位置作用、預測時mask，進行展示位置去偏。
- 針對流行度偏置，構建 U-I net/ item_net/ user_net 分別建模 用戶-商品內容匹配度、流行度因數、用戶心智偏好因數的影響，依據因果效應消除偏置因數作用，還原用戶對商品本身內容的偏好度。
位置去偏迭代
1. Position-bias 位置偏置建模。
EE模型升級至訓練、預測兩階段的position-debias方案，通過pos-bias tower建模position-bias影響，併在高語義層級與輸出均值融合，擬合訓練label，而後在預測階段摘除，以期去除pos-bias影響。
Pos的建模方式
1.1 pos as feat
訓練階段，pos作為模型特征使用，與其他u/q/i側特征聯合，共同輸入模型網路，計算相應logits並梯度回傳。預測推理階段，所有樣本強制採用同一個pos值，近乎理解為：同一個user/query下， 所有商品在同樣的展示位置上，進行預測分數比較。
其潛在風險如下：
- 強制pos數值如何選擇。展示位置一般可限制在[0-30/60]內，然而不同強制位置的設定，會帶來排序結果的變化，如何在[0-60]間選擇合理的強制位置，以及不同時間和分佈下，強制位置的選擇是否要重新進行。
- pos特征的重要性。將pos特征由網路底層輸入，其重要性可能難以在最後的logits中得以充分體現，其物理意義（位置因素影響用戶商品交互行為的作用大小）不易直觀理解。
1.2 multi-pos predict
設計最後一層為多位置通道輸出的網路，預測商品在各枚舉位置上的logits輸出。訓練階段計算商品在所有位置上的輸出結果，只激活真實的pos通道計算logit和loss，其他位置通道進行mask。推斷時，貪心的從第一個位置開始，無放回的選擇當前位置上的最優商品，直至最後一個位置。
此方案適配用於排序位置較為固定的場景，如重排N選N，在搜索EE現有架構下並不適配，一方面是SVGP結構對多通道結果輸出並不友好，另一方面，EE現有插入範圍較大[1-60]、比較插入機制也需做非常複雜化的適配改造，方案過重。
1.3 pos as tower
升級現有DNN + 稀疏變分高斯(svgp) 採樣打分模型，採用基於position-bias net(位置偏置)的模型方案，方案具體為訓練、預測兩階段的位置去偏。
- 訓練階段通過引入展示位置表徵作為位置偏好網路，與基於user/query/item的主網路共同輸入，預估商品在當前位置(位置偏好網路)及自身質量(主網路)下的打分。
- 預測階段通過摘除位置偏好網路，預測商品僅基於自身質量的採樣打分，去除展示位置影響。通過此方案可以緩解訓練數據的position-bias(位置偏執)，降低頭部商品由於展示位置的打分增益，同時減少中長尾商品由於靠後位置的打分折損，優化搜索結果豐富性和平臺生態。
2. 個性化位置偏置建模。
用戶對商品的偏好是個性化的，不同用戶對商品的偏好不同。用戶對位置的偏好也是差異化的，不同用戶對位置的敏感度存在差異。
上文的bias-net建模方式，假定所有用戶對同一位置偏好相同，忽略了用戶間的位置偏好差異。典型例子如下，偏逛用戶在系統中對position相對不敏感，position的排名前後對用戶的行為決策影響相對更小，而對偏快速夠買用戶則影響截然相反。
個性化位置偏置建模。升級現有bias-net結構，引入用戶個性化特征，包括靜態profile和動態行為序列。通過個性化bias-net 計算不同用戶對不同position的位置偏好，更準確的還原用戶對商品內容的真實偏好。
Pos Tower 與 svgp的結合方式。
2.1 SVGP簡介
GP（Gaussian process，高斯過程）是用於在樣本間存在相關關係的情況下，通過觀測值對未知樣本label 進行修正預測的演算法。簡言之，距離觀測點越近的未知樣本，其均值被修正越多、更接近觀測值，方差也越收斂，反之亦然。SVGP（Sparse Variational Gaussian Process, 基於稀疏變分的高斯過程），針對大樣本量下協方差矩陣和求逆難以計算的問題，設計一定數量的可學習的引導點，對所有訓練樣本進行歸納，未知樣本通過與引導點的協方差來計算均值和方差。
2.2 表徵層融合（Representation Fusion）
Pos-tower與Main-tower融合方式有兩種，表徵層融合和logit層融合。在SVGP計算前進行融合，即表徵層向量進行融合，可以採用 concat/sum/avg 等各種方式。其難點在於，向量間的相加、平均操作，無法直觀理解其物理意義和作用，向量疊加是否導致logit正向增大，向量帶來多大的logit提升，這些位置偏置作用難以解析。
另外從模型結構來看，svgp依賴樣本內容間相似度計算均值和方差，而position-bias的影響應該獨立於樣本內容的計算。
2.3 logit層融合（Logit Fusion）
在svgp之後的logit層融合，可採用 logits 相乘相加方式，其直接從模型結構上詮釋了這樣的公式 Label = f(content) + f(position) / Label = f(content) * f(position) ,其中 f(position)的絕對值大小，直觀的表示 position 帶來的增益大小。
位置偏置建模線上效果
保持大盤效率持平的情況下，EE核心指標提升明顯，探索流動性指標(探索更多商品)提升明顯 +1.35%，探索成功率指標(探索更高效商品)顯著改善 +0.74%。
流行度去偏
3.1 IPS
對每個商品預估 propensity score，然後採用逆向 propensity score 權重的方式，消除傾向分的影響，預估商品真實的內容匹配度得分。
挑戰點：
- 如何準確獲得 propensity score，這是對後續糾偏的前提挑戰。
- 整體為兩段式訓練，鏈路上有一定複雜度。
3.2 流行度降權
在實際搜推數據中，在user側、item側分別依據其流行程度，設計對應降權權重，緩解整體被熱門用戶、商品所主導的趨勢，增強所關註樣本的影響力。
面臨難點：
- 合理的設計權重方案。
- 如何挖掘hard example。
3.3 基於因果關係的反事實推理
如何緩解流行度偏置問題？在訓練鏈路中，增強改善中長尾商品的學習是一類重要方法；對用戶交互行為進行解構，拆分出商品流行度等因數的作用，是另一個視角的解決思路。
因果圖、因果關係簡介
因果圖是有向無環圖，其中節點表示隨機變數、有向邊表示節點之間的因果作用方向。如上圖對於節點Y變數，有兩條路徑的因果作用，分別是 I → Y 、I → K → Y。
- I → Y 表示從 I 節點開始的自然直接因果效應 (NDE)，作用路徑上沒有中間節點。
- I → K → Y 表示從 I 節點開始的間接因果效應 (TIE)，K是路徑上的中間節點。
- 直接因果效應和間接因果效應之和，即為Y變數的總因果效應 (TE)。
總因果效應計算，可以由自變數的單位擾動帶來的因變數變化進行計算，自然因果和間接因果效應計算亦然：
以上公式可得，求出TE和NDE時，可推導計算中間接因果效應 TIE。
搜索中的因果效應
在電商搜索場景下，用戶對商品的交互行為，可表示為 U-I 間各種因數的綜合作用。常見思路為考慮 U-I 間內容匹配程度作為待預測因數，學習此因數在交互行為中的作用，在未來樣本上進行預測排序。
從電商搜索的現實情況出發，對交互行為進一步拆分，影響用戶商品交互行為的因數大體包含如下三方面：
- 1). (U-I) → Y, U-I 內容匹配度因數，用戶與item本身內容的匹配程度、喜好程度對交互行為的影響，越喜歡則越點擊購買，
- 2). I → Y, Item流行度特征，內容偏好匹配程度相當的幾個商品時，由於歷史累計銷量等流行度特征，熱門商品展現更多、被交互概率更高。
- 3). U → Y, 用戶天然心智，user對流行商品的偏好程度不同，有些用戶更傾向於熱門商品，部分用戶則並不敏感。
以上因數的拆解，包括了U/I 內容匹配度的間接因數的效應，也包括了 U、I的直接效應影響。因此在EE模型中設計如下網路，分別建模各個因數的作用：
具體分別設計 UI-Match-Net, User-Net, Item-Net 分別預測對應三種因數的作用，其中總效應，U/I 效應分別表示為
在訓練中Loss的設計如下，分別表示
- U-I與label的loss，優化主模型的準確性
- U、I側直接因數的loss，通過這種方式分別預測兩種直接因數對交互結果的影響
- alpha/beta 為訓練時超參
預測階段緩解流行度偏置，主要在於去除流行度因素、用戶心智因果(偏置因數)的影響，具體通過總因果效應減去自然直接效應(偏置因數效應)，儘量準確還原 U-I 內容匹配程度的影響
TIE = TE - NDE
反事實推理後的因果圖狀態如下，將U/I 的直接效應消除，保留U-I 內容匹配度的效應：
反事實推理建模線上效果
保持大盤效率持平的情況下，EE核心指標提升明顯，探索流動性指標(探索更多商品)提高 +0.82% ，探索成功率指標(探索更高效商品) 顯著提升 +0.66%。
線上AB指標
探索成功率指標，用於在小流量AB期間指導EE效果分析，其設計思路從EE核心價值出發，推導出長期價值相關聯的AB期間核心指標。
具體而言，即論證 探索成功率指標 → EE核心價值。
- 滿足探索成功率的商品，跟蹤其一定時間後在搜索中的承接狀態，是否被大盤較好承接。
- 搜索中承接狀態，主要為三要素：流量、點擊、訂單。
通過對 1). 商品概況和承接定義, 2). 商品承接統計, 3). 分層承接分析 等方面進行分析，迭代出搜索EE在AB實驗期間所關註的EE核心指標集–探索成功率。
離線評估體系
EE線上指標主要關註
- 1). 大盤效率，UCVR和UV價值
- 2). 探索成功率， 其餘輔助觀測指標包括 流動性指標、豐富性指標。
線上的探索成功率和輔助指標，現階段難以與模型離線指標（AUC等）關聯，無法在離線評測EE模型的探索能力，限制EE模型迭代速度，極大增加迭代時間成本。
針對EE場景特異性的指標，設計了離線指標評測集合，分別從 效率、中長尾探索強度、不確定預估等方面，綜合評測EE模型，加速迭代。
總結
搜索EE是提升搜索場景流動性、多樣性的關鍵模塊，其面臨的問題和以效率排序為主模塊的問題有很大差異，對EE同學提出了不一樣的挑戰。
針對EE場景的特點，排序模型從Debias(打分公平性)入手，拆解存在於各種排序場景的bias問題，對位置偏置和流行度偏置問題升級較通用化的解決方案，取得了EE核心指標的顯著提升。同時對於迭代鏈路中的 線上AB指標、離線評估體系，也進行了論證和迭代，完成對整個EE排序閉環鏈路的升級。限於篇幅，AB指標和離線評估體系在這裡不做全面展開，感興趣的同學歡迎隨時交流，共同探討。
EE場景面臨的挑戰很多，後續計劃從如下方面繼續深入探索：
1). 引入更豐富的用戶探索信號的表達，增加explore-net和監督loss，提升EE模型對探索偏好的學習。
2). 思考EE的長期價值，如何在模型結構、Loss設計上結合長期價值。
3). 優化EE探索機制和EE候選集，提升EE全鏈路探索能力。
