美团深度学习在搜索业务中的探索与实践



转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com

AIQ 机器学习大数据 知乎专栏 点击关注

本文根据美团高级技术专家翟艺涛在 2018 QCon 全球软件开发大会上的演讲内容整理而成,内容有修改。

引言

2018 年 12 月 31 日,美团酒店单日入住间夜突破 200 万,再次创下行业的新纪录,而酒店搜索在其中起到了非常重要的作用。本文会首先介绍一下酒店搜索的业务特点,作为 O2O 搜索的一种,酒店搜索和传统的搜索排序相比存在很大的不同。第二部分介绍深度学习在酒店搜索 NLP 中的应用。第三部分会介绍深度排序模型在酒店搜索的演进路线,因为酒店业务的特点和历史原因,美团酒店搜索的模型演进路线可能跟大部分公司都不太一样。最后一部分是总结。

酒店搜索的业务特点

美团的使命是帮大家“Eat Better,Live Better”,所做的事情就是连接人与服务。用户在美团平台可以找到他们所需要的服务,商家在美团可以售卖自己提供的服务,而搜索在其中扮演的角色就是“连接器”。大部分用户通过美团 App 找酒店是从搜索开始的,搜索贡献了大部分的订单,是最大的流量入口。在美团首页点击 “酒店住宿”图标,就会进入上图右侧的搜索入口,用户可以选择城市和入住时间并发起搜索。

酒店搜索技术团队的工作不仅有搜索排序,还有查询引导、推荐等工作,查询引导如搜索智能提示、查询纠错等。之所以还有推荐的工作,是因为很多用户在发起搜索时不带查询词,本质上属于推荐,此外还有特定场景下针对少无结果的推荐等。本文主要介绍搜索排序这方面的工作。

不同搜索对比

现在,大家对搜索都很熟悉,常见的有网页搜索,比如 Google、百度、搜狗等;商品搜索,像天猫、淘宝、京东等;还有就是 O2O(Online To Offline)的搜索,典型的就是酒店的搜索。虽然都是搜索,但是用户使用搜索的目的并不相同,包括找信息、找商品、找服务等等,不同搜索之间也存在很大的差别。

上图对不同搜索进行了简单对比,可以从 5 个维度展开。首先是目标维度。因为用户是来找信息,网页搜索重点是保证查询结果和用户意图的相关性,而在商品搜索和酒店搜索中,用户的主要目的是查找商品或服务,最终达成交易,目标上有较大区别。用户使用不同搜索的目的不同,从而导致不同搜索对个性化程度的要求不同。交易属性的搜索,包括商品搜索和酒店搜索,对个性化程度的要求都比较高,因为不同用户的消费水平不同,偏好也不一样。

在技术层面上,也存在很多不同点。网页搜索会索引全网的数据,这些数据不是它自己生产,数据来源非常多样,包括新闻、下载页、视频页、音乐页等各种不同的形态,所以整个数据是非结构化的,差异也很大。这意味着网页搜索需要拥有两种技术能力,数据抓取能力和数据解析能力,它们需要抓取网页并解析形成结构化数据。在这个层面上,酒店搜索和商品搜索相对就“幸福”一些,因为数据都是商家提交的结构化数据,相对来说更加规范。

此外,酒店作为一种 O2O 的服务,用户在线上(Online)下单,最终需要到线下(Offline)去消费,所以就有一个位置上的约束,而位置的约束也就导致出现供给侧的约束,供给只能在某个特定位置附近。比如北京大学方圆几公里之内的酒店。这两点约束在网页搜索和商品搜索中就不用考虑,网页可以无限次的进行阅读。商品搜索得益于快递业的快速发展,在北京也可以买到来自浙江的商品,供给侧的约束比较小。

介绍完不同搜索产品的特点,接下来看不同搜索产品的优化目标。通用搜索的优化目标是相关性,评价指标是 DCG、NDCG、MAP 等这些指标,要求查询结果和用户意图相关。对商品搜索来说,不同电商平台的优化目标不太一样,有的目标是最大化 GMV,有的目标是最大化点击率,这些在技术上都可以实现。

而对酒店搜索而言,因为它属于 O2O 的业务形态,线上下单,线下消费,这就要求搜索结果必须和用户的查询意图“强相关”。这个“强相关”包括两层含义,显性相关和隐性相关。举个例子,用户搜索“北京大学”,那么他的诉求很明确,就是要找“北京大学”附近的酒店,这种属于用户明确告诉平台自己的位置诉求。但是,如果用户在本地搜索“七天”,即使用户没有明确说明酒店的具体位置,我们也知道,用户可能想找的是距离自己比较近的“七天酒店”,这时候就需要建模用户的隐性位置诉求。

美团是一个交易平台,大部分用户使用美团是为了达成交易,所以要优化用户的购买体验。刻画用户购买体验的核心业务指标是访购率,用来描述用户在美团是否顺畅的完成了购买,需要优化访购率这个指标。总结一下,酒店搜索不仅要解决相关性,尽量优化用户购买体验、优化访购率等指标,同时还要照顾到业务诉求。

根据上面的分析,酒店搜索的整个搜索框架就可以拆分成三大模块:检索、排序以及业务规则。检索层包括查询理解和召回两部分,主要解决相关性问题。查询理解做的事情就是理解用户意图,召回根据用户意图来召回相关的酒店,两者强耦合,需要放在一起。检索的核心是语义理解,比如用户搜索“北京大学”,平台就知道用户想找的是“北京大学附近的酒店”,所以这个模块的优化方式是问题驱动,不断地发现问题、解决问题来进行迭代。

接下来,从检索模块检索出来的酒店都已经是满足用户需求的酒店了。还是上面“北京大学”的那个例子,检索模块已经检索出来几百家“北京大学”附近的酒店,这些都是和用户的查询词“北京大学”相关的,怎么把用户最有可能购买的酒店排到前面呢?这就是排序模块要做的事情。

排序模块使用机器学习和深度学习的技术提供“千人千面”的排序结果,如果是经常预定经济连锁型酒店的用户,排序模块就把经济连锁型酒店排到前面。针对消费水平比较高,对酒店要求比较高的用户,排序模块就把高档酒店排到前面,对每个用户都可以做到个性化定制。排序属于典型的技术驱动模块,优化目标是访购率,用这个技术指标驱动技术团队不断进行迭代和优化。

最后是业务层面,比如有些商家会在美团上刷单作弊,针对这些商家需要做降权处理。

整体框架

上图是搜索的整体框架,这里详细描述下调用过程:

  • 搜索 API 负责接收用户的查询词并发送给搜索控制中心。
  • 控制中心把接收到的查询请求发送到检索与意图模块,搜索词会先经过查询分析模块做用户的查询意图分析,分析完之后,会把用户的查询意图分析结果传回去给业务检索模块,业务检索模块根据意图识别结果形成查询条件,然后去基础检索端查询结果。
  • 基础检索访问索引得到查询结果后,再把结果返回给上层。
  • 业务检索模块获取基础的检索结果后,会调用一些外部服务如房态服务过滤一些满房的酒店,再把结果返回给控制中心。
  • 此时,控制中心得到的都是和用户查询意图强相关的结果,这时就需要利用机器学习技术做排序。通过预测模块对每个酒店做访购率预测,控制中心获取预测模块的排序结果后,再根据业务逻辑做一些调整,最终返回结果给搜索 API。

可以看到,模块划分和前文描述的思想一致,检索模块主要解决用户意图识别和召回问题,也就是解决相关性。预测模块做访购率预测,业务逻辑放在搜索控制中心实现。接下来会介绍一下意图理解和排序模块中涉及的一些深度学习技术。

先来看下查询理解的问题,这个模块通过数据分析和 Case 分析,不断的发现问题、解决问题来迭代优化。之前的评测发现少无结果的原因,主要包括以下几种:

  • 地标词:比如用户搜索“望京国际研发园”,但是后台没有一家酒店包含“望京国际研发园”这几个字,其实用户想找的是望京国际研发园附近的酒店。
  • 结构化查询:比如芍药居附近 7 天,酒店描述信息中没有“附近”这个词,搜索体验就比较差。这种需要对查询词做成分识别,丢掉不重要的词,并且对不用类别的 Term 走不同的检索域。
  • 异地查询:用户在北京搜索“大雁塔”没有结果,其实用户的真实意图是西安大雁塔附近的酒店,这种需要做异地需求识别并进行异地跳转。
  • 同义词:在北京搜索“一中”和搜索“北京第一中学”,其实都是同一个意思,需要挖掘同义词。

针对这几类问题,我们分别作了以下工作:

  • 针对地标词问题,提供地标意图识别和地标策略,把地标类别的查询词改成按经纬度进行画圈检索。
  • 针对结构化查询的问题,我们对查询词做了成分识别,设计了少无结果时的多级检索架构。
  • 针对异地查询的问题,做异地意图识别和异地的跳转引导。
  • 针对语义查询的问题,做同义词和查询改写。

这里的每一个模块都用到了机器学习和深度学习的技术,本文挑选两个酒店搜索中比较特殊的问题进行介绍。

地标问题是 O2O 搜索的一个典型问题,在网页搜索和商品搜索中都较少出现此类问题。当用户搜索类似“望京国际研发园”这种查询词的时候,因为搜索的相关性是根据文本计算的,需要酒店描述中有相关文字,如果酒店的描述信息中没有这个词,那就检索不出来。比如昆泰酒店,虽然就在望京国际研发园旁边,但是它的描述信息中并没有出现“望京国际研发园”,所以就无法检索出来,这会导致用户体验较差。

经过分析,我们发现有一类查询词是针对特定地点的搜索,用户的诉求是找特定地点附近的酒店,这种情况下走文本匹配大概率是没有结果的。这个问题的解法是针对这种类型的查询词,从“文本匹配”改成“坐标匹配”,首先分析查询词是不是有地标意图,如果是的话就不走文本匹配了,改走坐标匹配,检索出来这个坐标附近的酒店就可以了。这时就产生了两个问题:第一,怎么确定哪些查询词有地标意图;第二,怎么获取经纬度信息。

针对这个问题,我们做了地标策略,步骤如下:

  • 多渠道获取可能包含地标词的候选集,这些候选集包括用户少无结果的查询词,以及一些酒店提供的描述信息。
  • 对候选集合进行命名实体识别(NER,Named Entity Recognition),可以得到各个命名实体的类型,标识为“地标”类型的就是疑似地标词。
  • 把疑似地标词放到美团地图服务中获取经纬度,经过人工校验无误后,存入线上数据库中;线上来查询请求时,先会去匹配精准地标库,如果匹配成功,说明这个查询词是地标意图,这时就不走文本检索了,直接在意图服务层走经纬度检索。
  • 经过人工校验的精准地标库补充到 NER 模型的训练数据中,持续优化 NER 模型。

这里提到了 NER 模型,下面对它做一下详细的介绍。

NER 是命名实体识别,是机器学习中的序列标注问题,比如输入“北大附近的七天”,就会标注出来每个词的成分,这里“北大”是地标,“七天”是酒店品牌。这里的类别是根据业务特点自己定义的,酒店业务中有地标、品牌、商圈等不同的类别。与分类问题相比,序列标注问题中当前的预测标签不仅与当前的输入特征相关,还与前后的预测标签相关,即预测标签序列之间有强相互依赖关系。

解决序列标注问题的经典模型是 CRF(Conditional Random Field,条件随机场),也是我们刚开始尝试的模型。条件随机场可以看做是逻辑回归的序列化版本,逻辑回归是用于分类的对数线性模型,条件随机场是用于序列化标注的对数线性模型,可以看做是考虑了上下文的分类模型。

机器学习问题的求解就是“数据 + 模型 + 特征”,数据方面先根据业务特点定义了几种实体类别,然后通过“人工 + 规则”的方法标注了一批数据。特征方面提取了包括词性、Term 文本特征等,还定义了一些特征模板,特征模板是 CRF 中人工定义的一些二值函数,通过这些二值函数,可以挖掘命名实体内部以及上下文的构成特点。标注数据、模型、特征都有了,就可以训练 CRF 模型,这是线上 NER 问题的第一版模型。

随着深度学习的发展,用 Word Embedding 词向量作为输入,叠加神经网络单元的方法渐渐成为 NLP 领域新的研究方向。基于双向 LSTM(Long Short-Term Memory)+CRF 的方法成为 NER 的主流方法,这种方法采用双向 LSTM 单元作为特征提取器替代原有的人工特征,不需要专门的领域知识,框架也通用。Embedding 输入也有多种形式,可以是词向量,可以是字向量,也可以是字向量和词向量的拼接。

我们尝试了双向 LSTM+CRF,并在实际应用中做了些改动:由于在 CRF 阶段已经积累了一批人工特征,实验发现把这些特征加上效果更好。加了人工特征的双向 LSTM+CRF 是酒店搜索 NER 问题的主模型。

当然,针对 LSTM+CRF 的方法已经有了很多的改进,比如还有一种 NER 的方法是融合 CNN+LSTM+CRF,主要改进点是多了一个 CNN 模块来提取字级别的特征。CNN 的输入是字级别的 Embedding,通过卷积和池化等操作来提取字级别的特征,然后和词的 Embedding 拼接起来放入 LSTM。这种方法在两个公开数据集上面取得了最好的结果,也是未来尝试的方向之一。

为了解决少无结果的问题,我们设计了多级检索架构,如上图所示,主要分 4 个层次:基本检索、二次检索、核心词检索和异地检索。

  • 基本检索会根据查询词的意图选择特定的检索策略,比如地标意图走经纬度检索,品牌意图只检索品牌域和商家名。
  • 基本检索少无结果会进行二次检索,二次检索也是分意图的,不同意图类型会有不同的检索策略,地标意图是经纬度检索的,二次检索的时候就需要扩大检索半径;品牌意图的查询词,因为很多品牌在一些城市没有开店,比如香格里拉在很多小城市并没有开店,这时比较好的做法,是推荐给用户该城市最好的酒店。
  • 如果还是少无结果,会走核心词检索,只保留核心词检索一遍。丢掉非核心词有多种方式,一种是删除一些运营定义的无意义词,一种是保留 NER 模型识别出来的主要实体类型。此外还有一个 TermWeight 的模型,对每个词都有一个重要性的权重,可以把一些不重要的词丢掉。
  • 在还没有结果的情况下,会选择”异地+全国“检索,即更换城市或者在全国范围内进行检索。

多级检索架构上线后,线上的无结果率就大幅度降低了。

排序

排序其实是一个典型的技术问题,业界应用比较广泛的有广告排序和推荐排序,广告排序比如 Google 和百度的关键字广告排序,今日头条、腾讯的展示广告排序。推荐排序比如快手、抖音这些短视频平台,以及各大 App、浏览器的信息流。广告排序和推荐排序优化的目标都是点击率,技术栈也比较相似,包括 LR/FTRL、FM/FFM、GBDT、DNN 等模型。

跟以上两种排序应用相比,酒店排序有自己的业务特点,因为美团酒店具有 LBS 属性和交易属性,天生自带很多连续特征,如酒店价格、酒店评分、酒店离用户的距离等,这些连续特征是决定用户购买行为的最重要因素。优化目标也不一样,大部分场景下酒店搜索的优化目标是访购率,部分场景下优化目标是点击率。在技术层面,酒店排序整体的技术栈和广告、推荐比较相似,都可以使用 LR/FTRL、FM/FFM、GBDT、DNN 等模型。

面临的挑战

具体到酒店排序工作,我们面临一些不一样的挑战,主要包括以下 4 点:

  1. 数据稀疏。住酒店本身是一种低频行为,大部分用户一年也就住一两次,导致很多特征的覆盖率比较低。
  2. 业务众多。美团酒店包括国内酒店业务、境外酒店业务,以及长租、钟点房等业务,同时有美团和点评两个不同的 App。
  3. 场景复杂。按照用户的位置可以分成本地和异地,按照用户的诉求可以分成商务、旅游、本地休闲等几大类,这些用户之间差异很明显。比如商务用户会有大量复购行为,典型例子是美团员工的出差场景,美团在上海和北京各有一个总部,如果美团的同学去上海出差,大概率会在公司差旅标准内选一家离公司近的酒店,从而会在同一家酒店产生大量的复购行为;但是如果是一个旅游用户,他就很少反复去同一个地方。
  4. 供给约束。酒店行业供给的变化很快,一个酒店只有那么多房间,一天能提供的间夜量是固定的,全部订出的话,用户提价也不会提供新的房间,这种情况在劳动节、国庆这种节假日特别明显。

上图右侧是排序的整体架构图,分为线下、线上和近线上三个部分。在线下部分,主要做离线的模型调优和评估,线上部分做预测。这里比较特别的是近线上部分,我们在实时层面做了大量的工作,包括用户的实时行为、酒店实时价格、实时库存等等,以应对供给变化快的特点。

这里介绍一个业务特点导致的比较独特的问题:模型切分。美团酒店有很多业务场景,包括国内酒店、境外酒店、长租、钟点房等;还有两个 App,美团 App 和大众点评 App;还有搜索和筛选两种场景,搜索带查询词,筛选没有查询词,两种场景差异较大;从地理位置维度,还可以分成本地和异地两种场景。

面对这么多的业务场景,第一个问题就是模型怎么设计,是用统一的大模型,还是分成很多不同的小模型?我们可以用一个大模型 Cover 所有的场景,用特征来区分不同场景的差异,好处是统一模型维护和优化成本低。也可以划分很多小模型,这里有一个比较好的比喻,多个专科专家会诊,胜过一个全科医生。切分模型后,可以避免差异较大的业务之间互相影响,也方便对特殊场景进行专门的优化。

在模型切分上,主要考虑三个因素:

  • 第一,业务之间的差异性。比如长租和境外差异很大,国内酒店和境外业务差异也很大,这种需要拆分。
  • 第二,细分后的数据量。场景分的越细,数据量就越小,会导致两个问题,一是特征的覆盖率进一步降低;二是数据量变小后,不利于后续的模型迭代,一些复杂模型对数据量有很高的要求。我们做过尝试,国内酒店场景下,美团和大众点评两个 App 数据量都很大,而且用户也很不一样,所以做了模型拆分;但是境外酒店,因为本身是新业务数据量较小,就没有再进行细分。
  • 第三,一切以线上指标为准。我们会做大量的实验,看当前数据量下怎么拆分效果更好,比如美团 App 的国内酒店,我们发现把搜索和筛选拆开后,效果更好;筛选因为数据量特别大,拆分成本、异地效果也更好,但是如果搜索场景拆分成本地、异地模型就没有额外收益了。最终,一切都要以线上的实际表现为准。

模型演进

接下来介绍一下排序模型的演进过程,因为业务特点及历史原因,酒店搜索的排序模型走了一条不一样的演进路线。大家可以看业界其他公司点击率模型的演进,很多都是从 LR/FTRL 开始,然后进化到 FM/FFM,或者用 GBDT+LR 搞定特征组合,然后开始 Wide&Deep。

酒店搜索的演进就不太一样。酒店业务天生自带大量连续特征,如酒店价格、酒店和用户的距离、酒店评分等,因此初始阶段使用了对连续特征比较友好的树模型。在探索深度排序模型的时候,因为已经有了大量优化过的连续特征,导致我们的整个思路也不太一样,主要是借鉴一些模型的思想,结合业务特点做尝试,下面逐一进行介绍。

初始阶段线上使用的模型是 XGB(XGBoost, eXtreme Gradient Boosting)。作为 GBDT 的改进,XGB 实现了非线性和自动的特征组合。树节点的分裂其实就实现了非线性,树的层次结构实现了不同特征的自动组合,而且树模型对特征的包容性非常好,树的分裂通过判断相对大小来实现,不需要对特征做特殊处理,适合连续特征。

树模型的这些特点确实很适合酒店这种连续特征多的场景,至今为止,XGB 都是数据量较小场景下的主模型。但是树模型优化到后期遇到了瓶颈,比如特征工程收益变小、增大数据量没有额外收益等,此外树模型不适合做在线学习的问题愈发严重。酒店用户在劳动节、国庆节等节假日行为有较大不同,这时需要快速更新模型,我们尝试过只更新最后几棵树的做法,效果不佳。考虑到未来进一步的业务发展,有必要做模型升级。

模型探索的原则是从简单到复杂,逐步积累经验,所以首先尝试了结构比较简单的 MLP(Multiple-Layer Perception) 多层感知机,也就是全连接神经网络。神经网络是一种比树模型“天花板”更高的模型,“天花板”更高两层意思:第一层意思,可以优化提升的空间更大,比如可以进行在线学习,可以做多目标学习;第二层意思,模型的容量更大,“胃口”更大,可以“吃下”更多数据。此外它的表达能力也更强,可以拟合任何函数,网络结构和参数可以调整的空间也更大。但是它的优点同时也是它的缺点,因为它的网络结构、参数等可以调整的空间更大,神经网需要做很多的参数和网络结构层面的调整。

上图是 MLP 的网络结构图,包含输入层、若干个隐藏层、输出层。在很长一段时间内,在特征相同的情况下,MLP 效果不如 XGB,所以有段时间线上使用的是 XGB 和 MLP 的融合模型。后来经过大量的网络结构调整和参数调整,调参经验越来越丰富,MLP 才逐步超越 XGB。这里额外说明一下,酒店搜索中有少量的 ID 类特征,在第一版 MLP 里 ID 类特征是直接当做连续特征处理的。比如城市 ID,ID 的序关系有一定的物理意义,大城市 ID 普遍较小,小城市开城晚一些,ID 较大。

在 MLP 阶段我们对网络结构做了大量实验,尝试过三种网络结构:平行结构、菱形结构、金字塔结构。在很多论文中提到三者相比平行结构效果最好,但是因为酒店搜索的数据不太一样,实验发现金字塔结构效果最好,即上图最右边的“1024-512-256”的网络结构。同时还实验了不同网络层数对效果的影响,实验发现 3-6 层的网络效果较好,更深的网络没有额外收益而且线上响应时间会变慢,后面各种模型探索都是基于 3 到 6 层的金字塔网络结构进行尝试。

MLP 上线之后,我们开始思考接下来的探索方向。在树模型阶段,酒店搜索组就在连续特征上做了很多探索,连续特征方面很难有比较大的提升空间;同时业界的研究重点也放在离散特征方面,所以离散特征应该是下一步的重点方向。

深度排序模型对离散特征的处理有两大类方法,一类是对离散特征做 Embedding,这样离散特征就可以表示成连续的向量放到神经网络中去,另一类是 Wide&Deep,把离散特征直接加到 Wide 侧。我们先尝试了第一种,即对离散特征做 Embedding 的方法,借鉴的是 FNN 的思想。其实离散特征做 Embedding 的想法很早就出现了,FM 就是把离散特征表示成 K 维向量,通过把高维离散特征表示成低维向量增加模型泛化能力。

实际使用中,我们稍微做了一些改动,实验中发现使用 FM 预训练的效率不高,所以尝试了不做预训练直接把 Embedding 随机初始化,然后让 Embedding 跟随网络一起学习,实验结果发现比 FM 预训练效果还要好一点。最后的做法是没有用 FM 做预训练,让 Embedding 随机初始化并随网络学习,上图是线上的 V3 模型。

FNN 的成功上线证明离散特征 Embedding 这个方向值得深挖,所以我们接着实验了 DeepFM。DeepFM 相对于 Wide&Deep 的改进,非常类似于 FM 相对 LR 的改进,都认为 LR 部分的人工组合特征是个耗时耗力的事情,而 FM 模块可以通过向量内积的方式直接求出二阶组合特征。DeepFM 使用 FM 替换了 Wide&Deep 中的 LR,离散特征的 Embedding 同时“喂”给神经网和 FM,这部分 Embedding 是共享的,Embedding 在网络的优化过程中自动学习,不需要做预训练,同时 FM Layer 包含了一阶特征和二阶的组合特征,表达能力更强。我们尝试了 DeepFM,线下有提升线上波动提升,并没有达到上线的标准,最终没有全量。

尽管 DeepFM 没有成功上线,但这并没有动摇我们对 Embedding 的信心,接下来尝试了 PNN。PNN 的网络重点在 Product 上面,在点击率预估中,认为特征之间的关系更多是一种 And“且”的关系, 而非 Add“加”的关系,例如性别为男且用华为手机的人,他定酒店时属于商务出行场景的概率更高。

PNN 使用了 Product Layer 进行显式的二阶特征组合。上图右边是 PNN 的网络结构图,依然对离散特征做 Embedding,Embedding 向量同时送往隐层和 Product 层,Product 通过内积或者外积的方式,对特征做显式的二阶交叉,之后再送入神经网的隐层,这样可以做到显式的二阶组合和隐式的高阶特征组合。特征交叉基于乘法的运算实现,有两种方式:内积和外积。我们尝试了内积的方式,线下略有提升线上也是波动提升,没有达到上线标准,所以最终也没有全量上线。

PNN 之后我们认为 Embedding 还可以再尝试一下,于是又尝试了 DCN(Deep&Cross Network)。DCN 引入了一个 Cross Network 进行显式的高阶特征交叉。上图右边是论文中的图,可以看到 Deep&Cross 中用了两种网络,Deep 网络和 Cross 网络,两种网络并行,输入都一样,在最后一层再 Stack 到一起。

Deep 网络和前面几种网络一样,包括连续特征和离散特征的 Embedding,Cross 网络是 DCN 的特色,在 Cross 网络里面,通过巧妙的设计实现了特征之间的显式高阶交叉。看上图左下角的 Cross 结构示意,这里的 x 是每一层的输入,也就是上一层的输出。Feature Crossing 部分包括了原始输入 x0、本层输入 x 的转置、权重 w 三项,三项相乘其实就做了本层输入和原始输入的特征交叉,x1 就包含了二阶的交叉信息,x2 就包含了三阶的交叉信息,就可以通过控制 Cross 的层数显式控制交叉的阶数。

不得不说,DCN 在理论上很漂亮,我们也尝试了一下。但是很可惜,线下有提升线上波动提升,依然未能达到上线的标准,最终未能全量上线。

经过 DeepFM、PNN、DCN 的洗礼,促使我们开始反思,为什么在学术上特别有效的模型,反而在酒店搜索场景下不能全量上线呢? 它们在线下都有提升,在线上也有提升,但是线上提升较小且有波动。

经过认真分析我们发现可能有两个原因:第一,连续特征的影响,XGB 时代尝试了 600 多种连续特征,实际线上使用的连续特征接近 400 种,这部分特征太强了; 第二,离散特征太少,离散特征只有百万级别,但是 Embedding 特别适合离散特征多的情况。接下来方向就很明确了:补离散特征的课。

最终,我们还是把目光转回 Wide&Deep。Wide&Deep 同时训练一个 Wide 侧的线性模型和一个 Deep 侧的神经网络,Wide 部分提供了记忆能力,关注用户有过的历史行为,Deep 部分提供了泛化能力,关注一些没有历史行为的 Item。之前的工作主要集中在 Deep 测,对低阶特征的表达存在缺失,所以我们添加了 LR 模块以增加对低阶特征的表达,Deep 部分和之前的 V3 一样。刚开始只用了少量的 ID 类特征,效果一般,后来加了大量人工的交叉特征,特征维度达到了亿级别后效果才得到很好的提升。下图是我们的 V4 模型:

接下来介绍一下优化目标的迭代过程(后面讲 MTL 会涉及这部分内容)。酒店搜索的业务目标是优化用户的购买体验,模型的优化指标是用户的真实消费率,怎么优化这个目标呢? 通过分析用户的行为路径可以把用户的行为拆解成“展示 -> 点击 -> 下单 -> 支付 -> 消费”等 5 个环节,这其中每个环节都可能存在用户流失,比如有些用户支付完成后,因为部分商家确认比较慢,用户等不及就取消了。

刚开始我们采用了方案 1,对每一个环节建模(真实消费率 = 用户点击率×下单率×支付率×消费率)。优点是非常简单直接且符合逻辑,每个模块分工明确,容易确认问题出在哪里。缺点也很明显,首先是特征重复,4 个模型在用户维度和商家维度的特征全部一样,其次模型之间是相乘关系且层数过多,容易导致误差逐层传递,此外 4 个模型也增加了运维成本。后来慢慢进化到了方案 2 的“End to End”方式,直接预测用户的真实消费率,这时只需要把正样本设定为实际消费的样本,一个模型就够了,开发和运维成本较小,模型间特征也可以复用,缺点就是链路比较长,上线时经常遇到 AB 测抖动问题。

模型切换到神经网络后就可以做多任务学习了,之前树模型时代只预测“End to End”真实访购率,神经网络则可以通过多任务学习同时预测 CTR 展示点击率和 CVR 点击消费率。多任务学习通过硬共享的方式同时训练两个网络,特征、Embedding 层、隐层参数都是共享的,只在输出层区分不同的任务。上图是酒店搜索当前线上的模型,基于 Wide&Deep 做的多任务学习。

网络结构演进路线

上图是酒店搜索排序的深度排序模型演进路线,从 MLP 开始,通过对离散特征做 Embedding 进化到 FNN,中间尝试过 DeepFM、PNN、DCN 等模型,后来加入了 Wide 层进化到 Wide&Deep,现在的版本是一个 MTL 版的 Wide&Deep,每个模块都是累加上去的。

除了上面提到的模型,我们还探索过这个:

这是我们自己设计的混合网络,它融合了 FNN、DeepFM、PNN、DCN、Wide&Deep 等不同网络的优点,同时实现了一阶特征、显式二阶特征组合、显式高阶特征组合、隐式高阶特征组合等,有兴趣的同学可以尝试一下。

不同模型实验结果

上图是不同模型的实验结果,这里的 BP 是基点(Basis Point),1BP=0.01%。XGB 是 Baseline,MLP 经过很长时间的调试才超过 XGB,MLP 和 XGB 融合模型的效果也很好,不过为了方便维护,最终还是用 FNN 替换了融合模型。Wide&Deep 在开始阶段,提升并没有特别多,后来加了组合特征后效果才好起来。我们 Embedding 上面的尝试,包括 DeepFM、Deep&Cross 等,线下都有提升,线上波动有提升,但是未能达到上线的标准,最终未能全量。

在特征预处理方面对连续特征尝试了累计分布归一化、标准化,以及手工变换如根号变换、对数变换等;累积分布归一化其实就是做特征分桶,因为连续特征多且分布范围很广,累积分布归一化对酒店搜索的场景比较有效。

离散特征方面尝试了特征 Embedding 及离散特征交叉组合,分别对应 FNN 和 Wide&Deep。这里特别提一下缺失值参数化,因为酒店业务是一种低频业务,特征覆盖率低,大量样本存在特征缺失的情况,如果对缺失特征学一个权重,非缺失值学一个权重效果较好。

参数调优方面分别尝试了激活函数、优化器等。激活函数尝试过 Sigmoid、ReLU、Leaky_ReLU、ELU 等;优化器也实验过 Adagrad、Rmsprop、Adam 等;从实验效果看,激活函数 ReLU+Adam 效果最好。刚开始时,加了 Batch Normalization 层和 Dropout 层,后来发现去掉后效果更好,可能和酒店搜索的数据量及数据特点有关。网络结构和隐层数方面用的是 3 到 6 层的金字塔网络。学习率方面的经验是学习率小点比较好,但是会导致训练变慢,需要找到一个平衡点。

下面介绍深度排序模型线上 Serving 架构的演化过程,初始阶段组内同学各自探索,用过各种开源工具如 Keras、TensorFlow 等,线上分别自己实现,预测代码和其他代码都放一起,维护困难且无法复用。

后来组内决定一起探索,大家统一使用 TensorFlow,线上用 TF-Serving,线上线下可以做到无缝衔接,预测代码和特征模块也解耦了。现在则全面转向 MLX 平台,MLX 是美团自研的超大规模机器学习平台,专为搜索、推荐、广告等排序问题定制,支持百亿级特征和流式更新,有完善的线上 Serving 架构,极大地解放了算法同学的生产力。

最后介绍一下我们对搜索排序技术节奏的一些理解,简单来说就是在不同阶段做不同的事情。

在上图中,横轴表示技术深度,越往右技术难度越大,人力投入越大,对人的要求也越高。纵轴是业务阶段。业务阶段对技术的影响包括两方面,数据量和业务价值。数据量的大小,可以决定该做什么事情,因为有些技术在数据量小的时候意义不大;业务价值就更不用说了,业务价值越大越值得“重兵投入”。

  • 起步阶段:起步阶段,还没有数据,这时候做简单排序就好,比如纯按价格排序或者距离排序,目的是让整个流程快速地跑起来,能提供最基本的服务。比如 2017 年,美团的长租业务当时就处于起步阶段。

  • 业务初期:随着业务的发展,就进入了业务发展初期,订单数慢慢增长,也有了一些数据,这时候可以增加一些启发式规则或者简单的线性模型,检索模型也可以加上。但是由于数据量还比较小,没必要部署很复杂的模型。

  • 稳定成长期:业务进一步发展后,就进入了稳定成长期,这时候订单量已经很大了,数据量也非常大了,这段时间是“补课”的时候,可以把意图理解的模块加上,排序模型也会进化到非线性模型比如 XGB,会做大量的特征工程,实时特征以及实时模型,在这个阶段特征工程收益巨大。

  • 技术瓶颈期:这个阶段的特点是基本的东西都已经做完了,在原有的技术框架下效果提升变的困难。这时需要做升级,比如将传统语义模型升级成深度语义模型,开始尝试深度排序模型,并且开始探索强化学习、多模型融合、多目标学习等。

中国有句俗话叫“杀鸡焉用牛刀”,比喻办小事情,何必花费大力气,也就是不要小题大做。其实做技术也一样,不同业务阶段不同数据量适合用不同的技术方案,没有必要过度追求先进的技术和高大上的模型,根据业务特点和业务阶段选择最匹配的技术方案才是最好的。我们认为,没有最好的模型,只有合适的场景

总结

酒店搜索作为 O2O 搜索的一种,和传统的搜索排序相比有很多不同之处,既要解决搜索的相关性问题,又要提供“千人千面”的排序结果,优化用户购买体验,还要满足业务需求。通过合理的模块划分可以把这三大类问题解耦,检索、排序、业务三个技术模块各司其职。在检索和意图理解层面,我们做了地标策略、NER 模型和多级检索架构来保证查询结果的相关性;排序模型上结合酒店搜索的业务特点,借鉴业界先进思想,尝试了多种不同的深度排序模型,走出了一条不一样的模型演进路线。同时通过控制技术节奏,整体把握不同业务的技术选型和迭代节奏,对不同阶段的业务匹配不同的技术方案,只选对的,不选贵的。

参考文献

  • [1] John Lafferty et al. Conditional random fields: Probabilistic models for segmenting and labeling sequence data.ICML2001.
  • [2] Guillaume Lample et al Neural architectures for named entity recognition. NAACL2016.
  • [3] Zhiheng Huang, Wei Xu, and Kai Yu. 2015.
  • [4] Bidirectional LSTM-CRF models for sequence tagging. arXiv preprint arXiv:1508.01991.
  • [5] Xuezhe Ma et al.End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF.ACL2016.
  • [6] T Chen, C Guestrin. XGBoost: A scalable tree boosting system. KDD2016.
  • [7] Weinan Zhang et al. Deep Learning over Multi-Field Categorical Data: A Case Study on User Response Prediction. ECIR 2016.
  • [8] Huifeng Guo et al. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction. IJCAI2017.
  • [9] Yanru Qu et al. Product-based neural networks for user response prediction. ICDM2016.
  • [10] Heng-Tze Cheng et al. 2016. Wide & deep learning for recommender systems. 2016.In Proceedings of the 1st Workshop on Deep Learning for Recommender Systems.
  • [11] Ruoxi Wang et al. Deep & Cross Network for Ad Click Predictions. ADKDD2017.

作者简介

  • 艺涛,美团高级技术专家,2016 年加入美团,现负责美团酒店业务搜索排序技术。2010 年毕业于中科院计算所,曾在网易有道等公司工作,先后从事网页搜索、购物搜索、计算广告等方向的研发工作。曾荣获“Kaggle 卫星图像分类大赛”亚军,QCon 明星讲师。


更多高质资源 尽在AIQ 机器学习大数据 知乎专栏 点击关注

转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com