知识卡片
混排公式与带约束凸优化
混排出现在信息流、广告联合场景,目标是在”保主目标”前提下”最大化副目标”。以信息流为例:有广告和图文两个场景,主目标是广告收入(商业侧指标 eCPM,记 r_ij),次目标是图文点击率(用户侧指标,记 u_ij);一次请求有 n 个位置、m 个候选,x_ij 表示位置 i 放物料 j 的概率。
问题被定义为:在保证用户侧指标的前提下最大化商业侧指标,并在目标函数中额外加一项”不偏离基准分配方案 q 太多”的正则,使原问题变成强凸问题,从而可用拉格朗日乘子法 + KKT 条件求解。求解后得到简洁的混排公式:c_ij = r_ij + α·u_ij,即每个位置—物料组合的最终得分 = 商业价值 + α 倍用户体验,按 c_ij 排序即可决定谁上哪个位置。
评价依据:α 就是平衡商业与用户的”旋钮”——α 越大越偏向用户侧体验。把业务约束转成凸优化,好处是有唯一可解的最优分配,而非拍脑袋调权。相关卡见 [[美团交叉DQN混排CMDP]]、[[重排层的两类需求]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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 10.3 混排 · 查看原书依据
那么我们可以将问题定义为在保证用户侧指标的前提下最大化商业侧指标,其中,目标函数中增加后面一项,从而变成强凸问题
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《混排》(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/312287/129.html;src-061)
- 结论依据:原文将混排定义为保用户侧指标前提下最大化商业侧指标,通过增加偏离基准分配q的正则项使问题强凸,并用拉格朗日/KKT求得最终混排公式c_ij=r_ij+αu_ij。
- 原始内容:那么我们可以将问题定义为在保证用户侧指标的前提下最大化商业侧指标,其中,目标函数中增加后面一项,从而变成强凸问题