知识卡片

普通读书笔记卡 · 7265.e · 生成模型:WorkBuddy (Claude)

束搜索加速生成式重排

理解等级:高级

生成式重排要从 m 个候选里挑出 n 个组成列表,组合数是 C(m,n) 量级的爆炸,直接枚举不可行。束搜索(Beam Search)用”只保留Top-k”的贪心近似把时间复杂度压下来,同时产出的序列接近最优。

做法:设 Beam 大小为 k,先产生 k 个初始序列;在已选中的 k 个序列上各追加一个新物料,得到 m 个候选序列;按”序列价值”从高到低只保留 k 个,作为下一步的已选中序列,迭代直到列表填满,最后取价值最高的 k 个之一输出。

序列价值函数综合三项:位置 i 物料的精排打分 r(i)、该物料与前 k 个位置的局部相似度 similarity_local(i)(用间隔相似度等超参)、以及该位置被浏览到的概率 P_expose(i)(由真实曝光日志近似)。λ 平衡相关性与多样性。

权衡:Beam Search 牺牲了”全局最优”换”可控耗时”,k 越小越快但越可能错过好组合,是重排里典型的精度—效率折中。相关卡见 [[MMR与DPP多样性重排]]、[[上下文感知评估模型MMOE]]。

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

    • 重排层的设计与实现 10.2 模型重排 · 查看原书依据

      设Beam的大小为 k ,那么就会产生 k 个序列,在已选中的 k 个序列的基础上再加入新的物料,得到 m 个候选序列,根据序列价值从高到低选择这 m 个序列中的 k 个作为下一步的已选中序列,不断迭代,直到推荐列表被填充完毕

    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10章《模型重排》(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/312287/126.html;src-060) - 结论依据:原文说明从m选n组合爆炸不可接受,Beam Search以Beam大小k保留Top-k序列迭代填充列表,并给出含精排分、局部相似度与曝光概率的序列价值函数。 - 原始内容:设Beam的大小为 k ,那么就会产生 k 个序列,在已选中的 k 个序列的基础上再加入新的物料,得到 m 个候选序列,根据序列价值从高到低选择这 m 个序列中的 k 个作为下一步的已选中序列,不断迭代,直到推荐列表被填充完毕