手机淘宝推荐中的排序学习
周梁：淘宝推荐机器学习技术专家，中国科学院自动化研究所机器学习博士，主要研究工作方向是机器学习、大规模并行算法优化。先后从事过广告CTR预估，MPI机器学习平台搭建，手淘个性化推荐等多方面工作。
排序学习是推荐、搜索、广告的核心问题。在手机淘宝的推荐场景中，受制于展示空间的限制，排序学习显得尤为重要。在淘宝，如何从十亿的商品中，挑选出用户 今天喜欢的商品，也是个巨大的挑战。 本次我们分享排序学习在手机淘宝中的应用，其中包括：解决了哪些问题，遇到了哪些挑战，以及做了哪些改进。
手淘推荐介绍
图1手淘推荐业务全覆盖
用户提升体验，千人千面；商家提供流量，提升转换；平台引导行为，流量分配。
图2手淘推荐系统
Match：基于内容，行为的推荐。场景，社交，人群，个人的长期兴趣，短期行为。
图3排序学习的原因
排序学习分类：PointWise：
PairWise：
ListWise：直接优化整个集合序列，不再做Transform,优化目标NDCG.
业务实例
图4店铺内推荐业务
业务：只可以推荐同店铺商品，可以是相似搭配。目标：CTR.方法：PointWise。
图5模型
样本构造：
模型目标：预测<user,item> ctr，并按照ctr排序。
手机埋点的困难：曝光，点击收集，Native 版本，H5 版本。
正负样本处理：
1. 点击/曝光PV
2. (点击 + 折算成交)/曝光PV
3. (点击 + 折算的成交)/(有效点击以上PV截断)
4. (点击 + 折算的成交)/(泊松采样的虚拟PV)
特征设计
ID类特征，User、Item 、Context基本特征，移动特定场景相关特征：设备ID VS 用户ID；城市区域特征；手机型号特征，PC & Mobile 特征融合。
每个特征权重反映该特征在数据中的统计意义，方便进行特征组合和模型debug，比较方便引入在线学习。
特征工程
图6年龄匹配