知识卡片

普通读书笔记卡 · 7257.m · 生成模型:WorkBuddy (Claude)

多目标打分融合策略

理解等级:高级

重排常需把多个目标的精排打分融合成单一”用户满意度”分再排序。因为真实满意度拿不到,只能用 CTR、CVR、观看时长、点赞、留存、多样性覆盖率等代理目标,于是有了多种融合策略:①朴素权重分配——给各目标设权重 S=w_CTR·s_CTR+w_CVR·s_CVR+…,在线调权重到业务最优;缺点是实验量大、随模型迭代参数漂移。②动态权重分配,又分在线动态(按各指标实时统计与业务需求分配,重实时)与强化学习动态(设用户/环境状态、奖励、对权重的动作,用 RL 学出最优权重)。可迁移启发:多目标融合本质是”用单一标量逼近多目标满意度”的权衡问题;强化学习方案适合需长期收益、状态丰富的场景,但要防过拟合线上噪声。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 推荐系统架构 2.5 重排层概述 · 查看原书依据

      这是最简单的方法,就是给各个优化目标打分,安排权重,然后得到一个最终打分 S 用户满意度 = w CTR s CTR + w CVR s CVR + w 留存 s 留存 +…,通过在线调整每个目标的权重,查看每个目标的在线效果,直到调到一个业务最优的状态

    参考来源

    - 位置:《推荐系统全链路设计:原理解读与业务实践》第2章《推荐系统架构》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/24.html;src-016) - 结论依据:原文将多目标融合定义为全局目标优化策略,并列出朴素权重、在线动态权重、强化学习动态权重三类,说明其机制与朴素法的缺点,支撑本卡结论。 - 原始内容:这是最简单的方法,就是给各个优化目标打分,安排权重,然后得到一个最终打分 S 用户满意度 = w CTR s CTR + w CVR s CVR + w 留存 s 留存 +…,通过在线调整每个目标的权重,查看每个目标的在线效果,直到调到一个业务最优的状态