宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

摘要：背景信息流短的视频以算法分发为主，人工分发为辅，依靠算法实现视频智能分发，达到千人千面的效果。 整个分发过程分为召回、排序和重新定位三个阶段。 序列层在其中起着自上而下的作用，是非常重要的一环。 在排名层优化的过程中，不仅借鉴了行业前沿的经验和做法，还在模式上进行了一些创新。

背景

信息流短的视频以算法传输为主，人工传输为辅，依靠算法实现视频智能传输，达到千人千面的效果。 整个分发过程分为召回、排序和重新定位三个阶段。 序列层在其中起着自上而下的作用，是非常重要的一环。 在排名层优化的过程中，不仅借鉴了行业前沿的经验和做法，还在模式上进行了一些创新。

短视频排序现在正在使用以CTR估计为目标的宽深度模型。 通过引入时间长度特点、点击时间多目标优化等工作，我们获得了很好的收益。

增加视频平均播放时间的特点，作为用户真实感受的信号，带来用户消费时间的提高

通过对消耗时间的样本加权，实现点击时间的多目标优化，提高点击率和消耗时间

导入多个动画发布场景的样本数据，实现多个场景的样本融合

在优化排序模型的过程中，还调查了DeepFM/DeepCN等深度模型，但这些模型无论是离线还是在线都没有明显的优势。 在优化WideDeep模型的同时，更迫切的需求是摆脱传统框架，寻找新的盈利点。

引入GBM综合学习submodel和高级特征等信号比单一模型更有效。 从计算学习理论来看，WideDeep是一种高变异模型，容易过拟合wd模型的训练比评价指标高7% )。 GBM通过boosting的方式将多个submodel和高级特征组合在一起，更好地发挥各自不同的作用和优势的互补性，同时整体上具有更好的可解释性。

上面简要介绍了信息流短视频排序模型的发展； 其中的FM GBM模型是我们团队比较独创的工作，下面做一点介绍。

模特

载体分解机Factorization Machines，FM )是应用广泛的推荐模型，其发明者Steffen Rendle目前正在谷歌工作。 FM是对传统LR模型处理高阶交互特征问题的优化和改进： LR通过特征交叉方式将组合特征作为新特征添加到模型中，模型的复杂度为on )2)，n是交互特征的数量，而FM将特征表现为隐向量，通过隐向量的相似度内积)表现特征的关联，从而巧妙地提高模型的泛化能力； 调频模型的复杂度为on*k ) )。 k是隐向量维的超级参数。

以二次相互作用的FM模型为例，其模型定义如下。

FM本质上是线性模型，不同项之间通过线性组合来影响模型的输出。 考虑到更复杂的模型组合，计算的复杂性非常高。 学术界也有处理cdnp分解Tensor Decomposition )之类的高次相互作用特征的模型； 但是，在工业水平上，考虑效果和性能的权衡，大多只考虑二次相互作用。 但是，在此基础上，可以考虑引入非线性模型来优化FM模型。

在非线性模型中，树模型CART/GBM/Random Forest )的应用非常广泛。 我们引入了GBM作为一个组合了调频的非线性模型：

FM GBM第一期纯GBM ) )。

第一期主要贯穿实验框架和整个数据流，没有引入额外的信号。 GBM使用的信号包括wd/lr模型等苏sub-model评分、点击率/时长和体感特征，以及简单的一致度特征。 整个实验框架比较简单：在精排工艺中添加GBMScorer，实现以下两个功能。

分发服务器通过流量铲斗决定精排是因为

否使用GBM打分，由GBMScorer具体执行；

● 特征归一化和回流。提取的特征经归一化后返回给分发服务器，由分发服务器回流至日志服务器落盘。点击日志也同时经由日志服务器落盘。点击-展现日志通过reco_id+iid对齐，经清洗、过滤和反作弊处理后，提取回流特征用于模型训练；

在调研和实验的过程中，以下是一些经验和教训：

● 样本与超参的选择：为了让模型尽可能地平滑，我们从7天滑动窗口的数据中随机抽取样本，并按比例分割训练/验证/测试集。通过交叉验证的方式选择超参；在所有的超参中，树深度对结果的影响比较大，深度为6时效果明显优于其他选择。在调参过程中，auc和loss这两项评估指标在训练/评估/测试数据集上并没有明显的差异，由此可见GBM模型的泛化性。

● 离线评估指标：auc是排序模型常用的离线评估指标之一，但全局auc粒度太粗，可以结合业务计算一些细粒度的auc。行业有采用以Query为粒度，计算QAUC，即单个Query的auc，再按均值或者加权的方式融合得到的auc，比起全局auc指标更加合理。我们采用类似做法，以单次下发为粒度计算auc，再计算均值或者按点击加权。需要注意的是，auc计算的粒度决定了划分数据集的粒度。如果按照单次下发为粒度计算，那么一次下发的所有样本都必须同时落在训练/评估/测试数据集上。除此之外，单次下发中如果零点击或者全点击，这部分数据也是需要废弃的。

● 特征的归一化：尤其是对与用户相关的特征进行归一化尤为重要。通过分析精排打分（wd），我们发现不同用户间的精排打分分布的差异较为显著：同一用户的打分方差小，分布比较集中；不同用户用户打分均值的方差比较大。如果不对精排打分做归一化处理，GBM训练过程很难收敛。

GBM和精排打分也会随特征回流。日志对齐后，可以对这两个模型在离线评估指标上做比较fair的对比。从全局auc/单次下发粒度auc与小流量实验的结果来看，细粒度auc与在线实验的效果更加趋于一致。

FM+GBM二期

一期搭建了实验框架和数据流，二期开始考虑引入新的信号。

纵观眼下GBM用到的信号，主要分为两类：一是item侧信号，这类特征从各个维度刻画了item的特性：热度、时长、质量等。这类特征有助于我们筛选精品内容，提升推荐质量baseline。二是相关性特征，用于刻画用户和视频的关联度（关联度可以通过点击刻画，也可以通过时长刻画；目前主要通过点击），提升推荐的个性化，做到千人千面。个性化水平才是信息流的核心竞争力。

目前相关性特征通过长短期用户画像计算和视频在一级/二级类目和TAG上的匹配程度，至少存在2个问题：

● BoW稀疏的特征表达无法计算语义层面的匹配度；例如，带足球标签的用户和梅西的视频通过这种方式计算得到的匹配度为0。

● 目前视频结构化信息的准确率/覆盖率较低，会直接影响这类特征的效果。

wd/lr模型能够一定程度解决上述问题。尤其wd模型，通过embedding技术，将用户和视频本身及各个维度的结构化信息嵌入到一个低维隐向量，能够一定程度缓解这个问题。但是这类隐向量缺乏灵活性，无法脱离wd模型单独使用：计算用户和视频的匹配度，除了需要用户和视频的隐向量，还要结合其他特征，并经过一系列隐层的计算才能得到。

业界主流公司的做法，是通过FM模型，将所有id特征都分成在同一个空间内的隐向量，因而所有的向量都是可比的：不仅用户与视频本身和各个维度的匹配度，甚至用户之间、视频之间，都可以通过简单的向量运算得到匹配度。从模型结构看，FM模型可以认为是能够更加紧密刻画这种匹配度的神经网络结构。为此，我们引入FM模型分解点击-展现数据，得到用户和视频本身及各个维度的隐向量。通过这些隐向量计算用户和视频的匹配度。这些信号和与其它sub-model和高级特征一起，通过GBM进行点击率预估。

这种做法与Facebook在KDD’14发表的LR+GBDT模型有相似之处，差异在于： LR+GBDT本质上是线性模型，而FM+GBM是树模型，能够处理信号与目标间高度非线性的复杂关系，也具备更好的可解释性。整个算法框架如图所示：

由于FM需要例行训练，用户隐向量灌库和视频隐向量加载之间存在时间差，而不同版本模型的隐向量之间是不可比的。为此我们设计了简单的版本对齐机制：所有隐向量都会保留最近2个版本的数据；在FM在线计算模块中，实现版本对齐的逻辑，用对齐后最新版本的隐向量计算匹配度。由于例行训练的时间窗口为4~6个小时，保留2个版本的数据是足以保证绝大部分隐向量能够对齐。在更加高频的模型训练中，可以增加版本的数量来确保模型对齐。

效果上：一期+二期离线AUC提升10%，在线CTR和人均点击提升6%。

结语

信息流短视频排序层经过一段时间的迭代优化，目前已经形成 LR->WD->FM+GBM这套相对比较完备体系。这种漏斗体系有助于排序层在性能和效果之间trade-off：越往后，模型越复杂/特征越高级/计算量越大，而参与计算的视频数据量更少。

后续我们的优化目标将从点击率预估转向时长预估，由感知相关性转向真实相关性。这种转换是合理且必要的：用户点击容易受到标题和封面等因素的干扰，而真正体现用户兴趣的是消费时长。时长模型以及点击率预估模型与时长模型的融合实现收益的最大化，将是下一个要重点攻克的问题。

本文作者：zrdzc