淘宝粗排问题之引入未曝光样本和随机负样本对粗排模型有何影响,如何解决

简介: 淘宝粗排问题之引入未曝光样本和随机负样本对粗排模型有何影响,如何解决

问题一:淘宝主搜索的多阶段检索系统主要包括哪些阶段?粗排阶段与精排阶段的主要差异是什么?


淘宝主搜索的多阶段检索系统主要包括哪些阶段?粗排阶段与精排阶段的主要差异是什么?


参考回答:

淘宝主搜索的多阶段检索系统主要包括召回、粗排、精排等阶段。召回阶段由文本召回、个性化等多路召回构成,粗排阶段从多路召回集合中筛选,精排阶段再进行筛选输出最终给用户的曝光商品。

粗排阶段与精排阶段的主要差异在于目标不同。粗排注重从海量候选集中选出优质的子集,而精排则更注重头部商品的排序。因此,尽管两者都是排序,但优化的方向和目标存在显著差异。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/654784



问题二:为什么只提高NDCG而不增加负采样会让粗排效果更差?


为什么只提高NDCG而不增加负采样会让粗排效果更差?


参考回答:

只提高NDCG而不增加负采样会让粗排效果更差,是因为NDCG这个指标本身与粗排实际的优化方向存在很大偏差。粗排最要解决的是如何从召回集合中选出优质的子集,而NDCG无法衡量召回-粗排的损失,也无法衡量粗排负采样的好坏。因此,盲目提高NDCG并不一定能提升粗排的实际效果。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/654785



问题三:今年引入的“全域成交hitrate”作为粗排评价标准有什么作用?


今年引入的“全域成交hitrate”作为粗排评价标准有什么作用?


参考回答:

今年引入的“全域成交hitrate”作为粗排评价标准,可以帮助我们更准确地衡量召回-粗排的损失,从而更有效地评估粗排负采样的好坏。通过这一指标,我们可以对从召回->粗排->精排的全域成交漏斗损失进行系统的分析,进而规范与统一各个阶段的优化空间和优化目标。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/654786



问题四:引入未曝光样本和随机负样本对粗排模型有何影响?


引入未曝光样本和随机负样本对粗排模型有何影响?


参考回答:

引入未曝光样本和随机负样本这两部分负样本的扩充共带来约5.5 pt的场景外的hitrate的提升,这有助于模型更好地拟合粗排阶段的打分空间。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/654787



问题五:在粗排模型中,蒸馏任务的作用是什么?


在粗排模型中,蒸馏任务的作用是什么?


参考回答:

在粗排模型中,蒸馏任务的作用是进一步提高模型与精排模型的一致性。具体做法是在曝光样本上让粗排模型学习精排模型的打分分数,从而使粗排模型能够学习到精排模型的排序逻辑。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/654788

目录
打赏
0
0
0
0
643
分享
相关文章
淘宝粗排问题之在粗排模型中引入交叉特征如何解决
淘宝粗排问题之在粗排模型中引入交叉特征如何解决
|
6月前
淘宝粗排问题之对粗排阶段打分集合归因到对应的场景内和场景外成交如何解决
淘宝粗排问题之对粗排阶段打分集合归因到对应的场景内和场景外成交如何解决
评估数据集CGoDial问题之计算伪OOD样本的软标签的问题如何解决
评估数据集CGoDial问题之计算伪OOD样本的软标签的问题如何解决
WinBUGS对多元随机波动率模型:贝叶斯估计与模型比较
WinBUGS对多元随机波动率模型:贝叶斯估计与模型比较
|
9月前
R语言参数检验 :需要多少样本?如何选择样本数量
R语言参数检验 :需要多少样本?如何选择样本数量
WinBUGS对多元随机波动率SV模型:贝叶斯估计与模型比较
WinBUGS对多元随机波动率SV模型:贝叶斯估计与模型比较
预训练模型STAR问题之计算伪OOD样本的软标签的问题如何解决
预训练模型STAR问题之计算伪OOD样本的软标签的问题如何解决
WINBUGS对随机波动率模型进行贝叶斯估计与比较
WINBUGS对随机波动率模型进行贝叶斯估计与比较

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等